使用 Claude 和 Tool Use 构建可靠的 AI Agent

Agent 在生产环境中失败的原因

在演示中效果很好的 Agent，往往在生产环境中因为三个原因失败：

1. 无限循环 — Agent 不断调用工具，直到触发速率限制或超时 2. 错误处理不当 — 单个工具失败导致级联故障，Agent 放弃任务 3. 成本不可预测 — 一个"思考"了 20 步而非 3 步的 Agent，成本是 6 倍

生产级 Agent 需要预算约束：最大步骤数、成本上限，以及出错时的优雅降级。

最简可靠 Agent 循环

from openai import OpenAI
import json

client = OpenAI(
    api_key="cf-your-key",
    base_url="https://api.clawfeeder.ai/v1",
)

def run_agent(task: str, tools: list, max_steps: int = 10):
    messages = [{"role": "user", "content": task}]

    for step in range(max_steps):
        response = client.chat.completions.create(
            model="claude-sonnet-4-6",
            messages=messages,
            tools=tools,
        )

        msg = response.choices[0].message
        messages.append(msg)

        # 完成——没有工具调用
        if not msg.tool_calls:
            return msg.content

        # 执行每个工具调用
        for call in msg.tool_calls:
            result = execute_tool(call.function.name,
                                  json.loads(call.function.arguments))
            messages.append({
                "role": "tool",
                "tool_call_id": call.id,
                "content": json.dumps(result),
            })

    # 超过最大步骤数——请求总结
    messages.append({"role": "user", "content":
                     "请总结你目前发现的内容。"})
    response = client.chat.completions.create(
        model="claude-sonnet-4-6",
        messages=messages,
    )
    return response.choices[0].message.content

定义好的工具

工具应该职责单一、可组合。search_web(query) 工具比内部执行多次搜索的 research_topic(topic) 工具更好。

tools = [
    {
        "type": "function",
        "function": {
            "name": "search_web",
            "description": "搜索网络以获取最新信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "搜索关键词"
                    }
                },
                "required": ["query"]
            }
        }
    }
]

成本控制

使用 clawfeeder.ai 的固定每请求定价，你可以在运行 Agent 之前计算最大成本：

最大成本 = 最大步骤数 × 每次请求积分
         = 10 × 15  # Claude Sonnet 4.6
         = 150 积分（¥1.50）

你在开始之前就知道最坏情况。根据你的成本预算设置 max_steps。

什么任务适合 Agent

Agent 在答案路径事先未知的任务上表现出色： - 研究与综合（抓取、阅读、总结多个来源） - 代码调试（运行、观察错误、修复、重复） - 数据补全（查找每个条目，填写缺失字段）

对于结构固定的任务，Agent 是过度设计——用一个有清晰指令的单次提示就能更好地处理。