演进之路——从Toolformer到Agent生态

演进之路——从Toolformer到Agent生态引言一个概念的诞生与爆发Skills或Tool Use并非凭空出现。它是AI研究者多年来追求让模型能行动这一梦想的结晶。从学术界的小规模实验到工业界的标准功能再到如今千千万万Agent的基石这条路走了不到两年却经历了惊人的演进。本章将带你追溯这段历史理解今天的位置并展望明天的方向。一、学术先声Toolformer与ReAct2022-2023Toolformer让模型学会调用API2023年2月Meta AI发布了一篇影响深远的论文——《Toolformer: Language Models Can Teach Themselves to Use Tools》。Toolformer的核心思想是让模型自己生成训练数据。具体来说给模型一些API如计算器、搜索引擎让模型尝试在文本中插入API调用例如在23 * 47 “后面插入”[Calculator(23, 47)] - 1081过滤掉那些调用后能降低损失loss的例子用这些数据微调模型结果微调后的模型学会了在需要时自动调用工具比如遇到数学问题时调用计算器遇到新信息时调用搜索引擎。Toolformer的贡献在于证明了模型可以通过自监督方式学会工具使用不再需要大量人工标注。ReAct思考与行动的融合几乎同一时间另一个重要概念ReActReason Act由普林斯顿大学和Google的研究者提出。ReAct的洞见是推理轨迹Reasoning和行动Action应该交织在一起而不是分开的。传统的思考再行动模式Think-then-Act是线性的模型先想好所有步骤然后执行。ReAct则是循环的思考一步行动一步观察结果再思考下一步。例如思考我需要查一下北京天气才能回答用户行动调用search(北京天气)观察返回晴22度思考天气很好适合户外活动可以推荐公园回答…ReAct模式显著提升了模型在多步任务中的表现成为后来大多数Agent框架的底层逻辑。二、里程碑OpenAI Function Calling2023年6月2023年6月13日OpenAI在更新GPT-4和GPT-3.5时发布了一个改变游戏规则的功能——Function Calling。这不是学术论文而是产品化的工具调用能力。开发者只需以JSON格式描述函数模型就能智能地输出调用指令。为什么这是里程碑结构化输出模型不再需要生成难以解析的文本格式而是输出标准JSON开发者可以直接使用。可靠性大幅提升经过专门微调的模型在工具调用任务上表现远超通用模型。生态引爆Function Calling发布后无数开发者开始构建Agent应用。LangChain、AutoGen等框架迅速集成各类插件市场如雨后春笋。可以说Function Calling让Agent应用开发从极客玩具变成了工程师可以系统化构建的系统。三、生态爆发2023下半年-2024Function Calling之后工具调用的概念迅速扩散和演化各大模型厂商跟进Anthropic Claude推出Tool Use功能支持多工具调用Google Gemini原生支持Function Calling开源模型Qwen、Llama 3等模型通过微调也获得了工具调用能力国内厂商字节Coze、百度千帆、智谱AI等纷纷推出自己的Agent平台和工具调用方案框架层的抽象工具调用的底层逻辑被抽象进各种开发框架LangChain提供了Tool抽象可以轻松将任意Python函数包装成模型可调用的工具AutoGen支持多Agent协作每个Agent可以拥有自己的工具集CrewAI专注于角色扮演和任务分配工具是每个角色的能力专用格式的出现随着发展一些专用的工具描述格式开始出现OpenAPI规范可以直接将REST API转换为模型可理解的工具MCP (Model Context Protocol)Anthropic推出的开放标准让模型可以动态发现和使用工具四、从单工具到多Agent协作工具调用的演进也推动了Agent架构的变革阶段1单Agent单工具最早期的应用一个Agent配一个计算器只能处理数学问题。阶段2单Agent多工具Agent拥有天气、日历、邮件等多个工具可以根据任务自主选择。阶段3多Agent协作每个Agent有自己的专长和对应的工具集通过协作完成复杂任务。例如Planner Agent负责拆解任务Researcher Agent拥有搜索工具负责收集信息Writer Agent拥有文档处理工具负责生成报告Executor Agent拥有API调用工具负责执行操作五、未来展望Skills将走向何方站在今天展望Skills的未来有几个值得关注的方向1. 动态工具发现未来的Agent可能不需要预先配置所有工具。模型可以通过某种协议如MCP动态发现可用的工具就像手机可以随时安装新App。2. 工具的组合创新就像人类可以用锤子和凿子组合出新的使用方法未来的Agent可能学会组合现有工具创造新功能——今天调用搜索和邮件明天可能组合出自动监控特定信息并发送报告的新工具。3. 跨应用工作流想象一个Agent可以在Excel、Slack、Notion之间自如穿梭像人一样操作多个软件完成复杂任务。这需要工具调用从API层面走向GUI自动化层面。4. 自我进化的工具Agent不仅使用工具还可能自己编写新工具。遇到重复性任务时Agent可以写一个Python脚本下次直接调用这个脚本——这已经接近人类的工具制造能力。结语Skills让AI从对话者变为协作者回顾这段不到两年的演进史我们见证了一个概念的诞生、爆发和深化。从Toolformer的学术探索到Function Calling的产品化再到今天Agent生态的百花齐放Skills让AI从纯粹的对话者进化为真正的协作者。未来当你与AI助手交谈时你很可能不会意识到它正在幕后调用几十个工具——就像你今天用智能手机时不会去想后台运行着多少服务。工具已经融入体验本身成为AI能力的自然延伸。而这正是Skills的终极目标让思考者能够行动让对话者能够做事让AI真正成为人类的得力伙伴。