大模型工具调用的常见方式
Создано: 24 апреля 2025 г.
Вопрос
大模型工具调用的常见方式
Ответ
大模型（LLM）调用外部工具的常见方式主要包括以下几种：CSDN Blog
1. 函数调用（Function Calling）
这是当前主流的大模型工具调用方式，已被 OpenAI、ChatGLM3、Claude 等广泛支持。CSDN Blog
核心流程：
- 定义函数接口：开发者通过 JSON Schema 格式定义函数名、用途、参数及其描述。
- 意图识别：模型接收用户输入后，判断是否需要调用某个函数。
- 参数提取：若需要调用，模型从用户输入中提取参数，并生成结构化的 JSON 调用请求。
- 执行函数：外部系统接收请求，执行相应函数，并返回结果。
- 结果整合：模型将函数返回的结果转化为自然语言回复用户。CSDN Blog
例如，用户询问“10月27日北京天气怎么样”，模型会调用预定义的 get_current_weather 函数，并提取出 location: 北京 和 time: 2021-10-27 作为参数。 CSDN Blog
2. 工具代理框架（如 LangChain、HuggingGPT）
这些框架提供了更高级的工具调用能力，适用于复杂任务的分解与执行。CSDN Blog
- LangChain：通过 Agents 组件，将用户需求拆分为多个子任务，并调用相应工具完成每个子任务。
- HuggingGPT：结合多种模型和工具，协调完成复杂任务，如多轮对话、图像生成等。CSDN Blog
3. 多级工具调用策略
当工具数量众多时，直接将所有工具信息传入模型可能导致输入超限。为此，可以采用多级工具调用策略：CSDN Blog
- 初步筛选：模型首先根据简要的工具描述选择可能的工具。
- 详细匹配：然后再提供选定工具的详细参数信息，模型据此提取具体参数并调用工具。CSDN Blog
这种方式有效减少了模型输入的 token 数量，提升了调用效率。 CSDN Blog
4. 自监督工具学习（如 Toolformer）
Toolformer 是一种自监督学习方法，使模型在训练过程中学习何时以及如何调用工具，无需大量人工标注。CSDN Blog
- 训练过程：模型在预训练阶段，通过自监督方式学习工具的使用时机和方法。
- 优势：减少了对人工标注的依赖，提高了模型在实际应用中的灵活性和适应性。 CSDN Blog
应用场景
这些工具调用方式广泛应用于以下场景：CSDN Blog
- 实时数据查询：如天气、股票、新闻等信息的获取。
- 企业系统集成：如 CRM、ERP 系统的数据查询与操作。
- 多轮对话与任务规划：如旅游规划、购物推荐等复杂任务的分解与执行。CSDN Blog
通过上述方式，大模型能够更有效地调用外部工具，扩展其能力边界，提升实际应用价值。CSDN Blog
Вопрос
最近智能体的MCP、APA以及SOP之间都是什么关系，请你检索回答。
Мысль
Ответ
总结（一句话先说清）
在最新的 AI 智能体技术栈里，MCP（Model Context Protocol）负责把大模型安全地接到外部数据和工具，SOP（Standard Operating Procedure）把业务经验写成可执行的流程脚本，而 APA（Agentic Process Automation）则把一群会用 MCP 的智能体按 SOP 去协同、监控和弹性伸缩地运行起来；三者分别处在“连接-知识-编排”三层，既不冲突也不替代，而是像 USB-C、应用脚本和 Kubernetes 这样的上下配合关系。Axios Automation Anywhere arXiv
1. 概念速览
| 缩写 | 全称 | 关键词 | 作用 | 最新进展 |
|---|---|---|---|---|
| MCP | Model Context Protocol | 工具发现、权限、上下文流转 | 让 LLM/Agent 以标准协议调用 API、数据库、本地文件等 | Anthropic 开源 & 微软 Copilot Studio 已内嵌Microsoft Niklas Heidloff |
| APA | Agentic Process Automation | 多智能体、实时决策、弹性扩缩 | 用 AI Agent 取代传统 RPA，做端到端业务自动化 | 多家 RPA 厂商跟进，UiPath、Automation Anywhere、Kognitos均发布方案Automation Anywhere UiPath Community Forum Kognitos - AI Automation |
| SOP | Standard Operating Procedure | 决策图、步骤脚本 | 把行业/公司的最佳流程写成结构化脚本供 Agent 执行 | SOP-Agent、Agent-S 等研究把 SOP 直接喂给 LLMarXiv arXiv |
2. 三层关系：谁在底，谁在顶？
2.1 工具与数据的“接口层”——MCP
- 定位：像 HTTP 之于网页，MCP 定义了 智能体 ↔ 工具/数据源 的通用语法、鉴权、流式上下文管理。Zhihu VMware Blogs
- 为什么重要：没有统一接口，Agent 需要为每个 SaaS 写专用调用；MCP 把这些变成声明式 OpenAPI-YAML，让模型在推理时动态发现并调用。Microsoft Tech Community
2.2 流程知识的“脚本层”——SOP
- 本质：把资深员工脑中的“如果-那么-异常处理”转成可解析的决策图/伪代码，挂在 Agent 记忆里当“导航图”。arXiv arXiv
- 典型形态：SOP-Agent 在每一步先让 SOP-Navigator裁剪出 当前允许的 Action set，再让基础 LLM 决策；这样既减少幻觉也便于审计。OpenReview
2.3 业务编排的“控制层”——APA
- 作用：调度 多个 Agent（有的负责 UI， 有的负责 API， 有的做监督）去完成跨系统、长时任务；同时监控 SLA、回滚、审计。Bot Nirvana Analyst Bot Nirvana Analyst
- 与 SOP 的连接：APA 把企业已有 SOP 导入为“政策”，让下层 Agent 决策不能越界；Kognitos 等平台直接声明“Agent 的决策基于组织 SOP”。Kognitos - AI Automation
- 与 MCP 的连接：APA 里每个子 Agent 通过 MCP 拿工具，所以 MCP 是 APA 的“标准 I/O 总线”。Microsoft
3. 组合示例：一次客户退款流程如何跑
- 触发（APA）：客户在门户提交退货→ APA 触发“Refund SOP”。
- 流程导航（SOP）：SOP-Navigator 输出步骤：验证订单→检查货物状态→生成 RMA→通知仓库…。
- 行动（Agent + MCP）：
- “订单查询 Agent” 用 MCP 调用 ERP API 拉取订单详情；
- “物流 Agent” 用 MCP 调用 FedEx API 获取追踪号；
- “支付 Agent” 用 MCP 调 Stripe API 执行退款。
- 协调与监控（APA）：并发执行、回传状态；异常时走 SOP 的 fallback 分支。
整个过程中：MCP 解决“怎么调接口”，SOP 解决“先做哪步”，APA 解决“谁来做、做完咋收口”。
4. 生态与趋势
- 协议大战：IBM 推 ACP、Google 推 A2A，但它们更偏 Agent-to-Agent，而 MCP 专注 Agent-to-Tool，两者已被视作互补。Niklas Heidloff Saptak Sen
- 企业落地：微软 Copilot Studio、VMware Tanzu 等已把 MCP 接口做成“一键接入”；APA 则被 RPA 厂商当作下一代旗舰；SOP-Agent 论文把学术界和工业 SOP 桥接。VMware Blogs Automation Anywhere arXiv
- 安全与治理：由于 Agent 获得“直接执行权”，各文档都强调细粒度权限、审计日志与“人类监督 Agent”模式。Tenable®
5. 你应该怎么用
| 目标 | 先做什么 | 注意事项 |
|---|---|---|
| 让 LLM 调企业 API | 封装成 MCP Server → 在开发/测试环境接入 | 细化权限、限制可调用工具 |
| 把经验复制给 Agent | 把操作手册写成 SOP 文本 → 用 SOP-Agent/Agent-S 模板 | 流程图需覆盖异常分支 |
| 全流程自动化 | 在 APA 平台（或自建 Orchestrator）注册任务 → 引入前两者 | 设立“人类飞行员”监督第一批流程 |
通过把 MCP 当“数字接口层”、SOP 当“业务知识层”、APA 当“编排治理层”，即可逐步升级到真正可落地的多智能体系统。