定义工具



前提条件

• 熟悉工具使用概述
• 拥有 Claude API 密钥以及可用的 SDK 或 cURL 环境



选择模型

对于复杂工具和模糊查询，请使用最新的 Claude Opus 模型 Claude Opus 5；它能更好地处理多个工具，并在需要时寻求澄清。

对于简单直接的工具，可以使用 Claude Haiku 模型，但请注意它们可能会推断缺失的参数。



指定客户端工具

客户端工具（包括 Anthropic 模式和用户定义的工具）在 API 请求的 tools 顶级参数中指定。每个工具定义包括：

有关任何工具定义上可用的完整可选属性集，包括 cache_control、strict、defer_loading 和 allowed_callers，请参阅工具参考。



工具使用系统提示

当您使用 tools 参数调用 Claude API 时，API 会根据工具定义、工具配置和任何用户指定的系统提示构建一个特殊的系统提示。构建的提示旨在指示模型使用指定的工具，并为工具的正常运行提供必要的上下文：

In this environment you have access to a set of tools you can use to answer the user's question.
{{ FORMATTING INSTRUCTIONS }}
String and scalar parameters should be specified as is, while lists and objects should use JSON format. Note that spaces for string values are not stripped. The output is not expected to be valid XML and is parsed with regular expressions.
Here are the functions available in JSONSchema format:
{{ TOOL DEFINITIONS IN JSON SCHEMA }}
{{ USER SYSTEM PROMPT }}
{{ TOOL CONFIGURATION }}



工具定义的最佳实践

要在使用工具时让 Claude 发挥最佳性能，请遵循以下准则：

• 提供极其详细的描述。 这是影响工具性能的最重要因素。您的描述应该解释工具的每个细节，包括：
  • 工具的功能
  • 何时应该使用它（以及何时不应该使用）
  • 每个参数的含义以及它如何影响工具的行为
  • 任何重要的注意事项或限制，例如当工具名称不明确时，工具不会返回哪些信息。您能为 Claude 提供的关于工具的上下文越多，它在决定何时以及如何使用这些工具时就会表现得越好。每个工具描述至少应有 3–4 个句子，如果工具较为复杂则应更多。
• 优先考虑描述，但对于复杂工具可考虑使用 input_examples。 清晰的描述最为重要，但对于具有复杂输入、嵌套对象或格式敏感参数的工具，您可以使用 input_examples 字段提供经过模式验证的示例。详情请参阅提供工具使用示例。
• 将相关操作整合到更少的工具中。 与其为每个操作创建单独的工具（create_pr、review_pr、merge_pr），不如将它们组合成一个带有 action 参数的单一工具。数量更少但功能更强的工具可以减少选择的模糊性，使 Claude 更容易在您的工具集中导航。
• 在工具名称中使用有意义的命名空间。 当您的工具跨越多个服务或资源时，请在名称前加上服务前缀（例如 github_list_prs、slack_send_message）。随着工具库的增长，这可以使工具选择变得明确无歧义，在使用工具搜索时尤为重要。
• 设计工具响应以仅返回高信号信息。 返回语义化、稳定的标识符（例如 slug 或 UUID）而不是不透明的内部引用，并且只包含 Claude 推理下一步所需的字段。臃肿的响应会浪费上下文，并使 Claude 更难提取重要信息。

良好的描述清楚地解释了工具的功能、何时使用、返回什么数据以及 ticker 参数的含义。糟糕的描述过于简短，让 Claude 对工具的行为和用法存在许多疑问。



提供工具使用示例

您可以提供有效工具输入的具体示例，帮助 Claude 理解如何更有效地使用您的工具。这对于具有嵌套对象、可选参数或格式敏感输入的复杂工具特别有用。



基本用法

在您的工具定义中添加一个可选的 input_examples 字段，其中包含一个示例输入对象数组。每个示例必须符合工具的 input_schema：

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    tools=[
        {
            "name": "get_weather",
            "description": "Get the current weather in a given location",
            "input_schema": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "The city and state, e.g. San Francisco, CA",
                    },
                    "unit": {
                        "type": "string",
                        "enum": ["celsius", "fahrenheit"],
                        "description": "The unit of temperature",
                    },
                },
                "required": ["location"],
            },
            "input_examples": [
                {"location": "San Francisco, CA", "unit": "fahrenheit"},
                {"location": "Tokyo, Japan", "unit": "celsius"},
                {
                    "location": "New York, NY"  # 'unit' is optional
                },
            ],
        }
    ],
    messages=[{"role": "user", "content": "What's the weather like in San Francisco?"}],
)

print(response)

示例会与您的工具模式一起包含在提示中，向 Claude 展示格式良好的工具调用的具体模式。这有助于 Claude 理解何时包含可选参数、使用什么格式以及如何构造复杂的输入。



要求和限制

• 模式验证 - 每个示例必须符合工具的 input_schema。无效的示例会返回 400 错误
• 不支持服务器端工具 - 输入示例适用于用户定义的工具和 Anthropic 模式的客户端工具，但不适用于服务器工具，例如网络搜索或代码执行
• 令牌成本 - 示例会增加提示令牌：简单示例约 20–50 个令牌，复杂嵌套对象约 100–200 个令牌



控制 Claude 的输出



强制工具使用

在某些情况下，您可能希望 Claude 使用特定工具来回答用户的问题，即使 Claude 本来可以不调用工具直接回答。您可以通过在请求的 tool_choice 字段中指定工具来实现这一点。高亮显示的行是与标准工具使用请求的唯一区别：

client = anthropic.Anthropic()

tools = [
    {
        "name": "get_weather",
        "description": "Get the current weather in a given location",
        "input_schema": {
            "type": "object",
            "properties": {
                "location": {
                    "type": "string",
                    "description": "The city and state, e.g. San Francisco, CA",
                }
            },
            "required": ["location"],
        },
    }
]

response = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    tools=tools,
    tool_choice={"type": "tool", "name": "get_weather"},
    messages=[{"role": "user", "content": "What's the weather like in San Francisco?"}],
)

print(response)

使用 tool_choice 参数时，有四个可能的选项：

• auto 允许 Claude 自行决定是否调用任何提供的工具。这是提供 tools 时的默认值。
• any 告诉 Claude 必须使用提供的工具之一，但不强制使用特定工具。
• tool 强制 Claude 始终使用特定工具。
• none 阻止 Claude 使用任何工具。这是未提供 tools 时的默认值。

此图说明了每个选项的工作方式：

请注意，当您将 tool_choice 设置为 any 或 tool 时，API 会预填充助手消息以强制使用工具。这意味着模型不会在 tool_use 内容块之前发出自然语言响应或解释，即使被明确要求这样做。

测试表明，这不应该降低性能。如果您希望模型在请求使用特定工具的同时提供自然语言上下文或解释，您可以将 tool_choice 设置为 {"type": "auto"}（默认值），并在 user 消息中添加明确的指令。例如：What's the weather like in London? Use the get_weather tool in your response.



使用工具时的模型响应

使用工具时，Claude 通常会在调用工具之前评论它正在做什么，或者自然地回应用户。

例如，对于提示"What's the weather like in San Francisco right now, and what time is it there?"，Claude 可能会这样响应：

{
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "I'll help you check the current weather and time in San Francisco."
    },
    {
      "type": "tool_use",
      "id": "toolu_01A09q90qw90lq917835lq9",
      "name": "get_weather",
      "input": { "location": "San Francisco, CA" }
    }
  ]
}

这种自然的响应风格有助于用户理解 Claude 正在做什么，并创造更具对话性的交互。您可以通过系统提示以及在提示中提供 <examples> 来引导这些响应的风格和内容。

需要注意的是，Claude 在解释其操作时可能会使用各种措辞和方式。您的代码应该像对待任何其他助手生成的文本一样对待这些响应，而不要依赖特定的格式约定。



后续步骤