definicja narzędzia

Opis narzędzia przekazywany modelowi: nazwa, opis słowny, schemat parametrów i pola wymagane. To jedyne, co model o narzędziu wie — więc opis jest promptem i decyduje o trafności wyboru. Trafia do kontekstu przy każdym obrocie pętli, więc jest też stałą pozycją w rachunku.

W Polsce nazywane też:

schemat narzędziaopis funkcjideklaracja narzędzia

Model nie widzi twojego kodu. Widzi opis — kilkadziesiąt słów, na podstawie których decyduje, czy sięgnąć po to narzędzie i jakie podać argumenty. Ten opis jest promptem, choć prawie nikt go tak nie traktuje.

Z czego składa się definicja

Nazwa funkcji, opis słowny, schemat parametrów z typami i opisami poszczególnych pól, oraz informacja, które pola są wymagane. Całość trafia do kontekstu przy każdym obrocie pętli — jest więc jednocześnie instrukcją dla modelu i stałą pozycją w rachunku.

Opis jest promptem

Wybór narzędzia to zwykła predykcja kolejnego tokenu, oparta na tym, co model przeczytał. Opis nieprecyzyjny albo zbyt ogólny prowadzi do wyboru złego narzędzia, a opis pomijający warunki brzegowe — do argumentów w złym formacie.

Trzy rzeczy dają najwięcej: napisanie wprost, kiedy narzędzia użyć, a kiedy nie; podanie formatu argumentu w opisie pola, jeśli jest nieoczywisty, na przykład format daty czy identyfikatora; oraz nazwy mówiące, co narzędzie robi, zamiast odzwierciedlające wewnętrzną strukturę kodu.

Nazwa i schemat są też powierzchnią ataku

Definicje narzędzi pochodzące z zewnętrznych źródeł — na przykład z cudzego serwera MCP — trafiają do kontekstu razem z opisem, który napisał ktoś inny. Opis może zawierać instrukcje skierowane do modelu. Definicje z niezaufanych źródeł należy traktować jak każdą inną treść zewnętrzną.

Praktyka

Definicję warto testować tak samo jak prompt: zmieniać opis i mierzyć, czy model wybiera właściwe narzędzie na zestawie realnych zapytań. To najtańsza optymalizacja agenta, bo nie wymaga zmiany ani jednej linii kodu wykonawczego.

Powiązane pojęcia

przeciążenie narzędziamiSpadek trafności wyboru narzędzia wraz ze wzrostem liczby dostępnych narzędzi, połączony ze wzrostem kosztu każdego obrotu pętli. Wynika z tego, że wszystkie definicje trafiają do kontekstu przy każdym wywołaniu i konkurują ze sobą. Remedium: ładowanie warunkowe, grupowanie i rozdzielenie ról.walidacja argumentówSprawdzenie argumentów zaproponowanych przez model przed wykonaniem narzędzia: format, istnienie wskazanego zasobu oraz uprawnienia i limity. Odbywa się w pętli, poza modelem, i jest jedynym punktem, w którym da się zatrzymać wywołanie przed skutkiem. Prompt tego nie zastąpi, bo instrukcja podlega perswazji, a kod nie.Używanie narzędzi przez AIZdolność modelu językowego do wywoływania zewnętrznych funkcji, API i serwisów w trakcie generowania odpowiedzi — model sięga po narzędzia żeby zebrać aktualne dane lub wykonać akcję zamiast odpowiadać wyłącznie z wiedzy treningowej. Fundament który odróżnia agenta od chatbota.Zatrucie narzędziAtak polegający na zmodyfikowaniu lub sfałszowaniu opisów narzędzi dostępnych dla agenta AI — tak że agent wywołuje narzędzia w nieautoryzowany sposób lub ujawnia dane które powinny pozostać prywatne. Szczególnie groźny w ekosystemie MCP gdzie agenty dynamicznie odkrywają narzędzia z zewnętrznych serwerów i ufają ich opisom.Protokół kontekstu modeluOtwarty standard Anthropic umożliwiający agentom AI łączenie się z zewnętrznymi narzędziami, bazami danych i API w ustandaryzowany sposób — jak USB dla modeli językowych.