Tilhørende videoer

Design MCP-værktøjer, som LLM'er faktisk bruger korrekt — ledsagende videoer

Artiklen handler om forskellen mellem et MCP-værktøj, der lyser op i inspector, og ét, en model faktisk griber efter på det rigtige tidspunkt — navne, beskrivelser, parameterformer, fejlmeddelelser, hvad værktøjet returnerer, hvordan det komponerer med andre værktøjer. Disse to Anthropic-sessioner er den mest direkte on-camera-behandling af den flade fra folkene, der designer Claudes egne værktøjer.

Primært valg

18:58

Bygning af mere effektive AI-agenter

Anthropic

Anthropic-ingeniører gennemgår, hvad de faktisk ændrede, da deres multi-agent-systemer misbrugte værktøjer — sammenlægning af endpoints, returnering af navne i stedet for IDs, leaning på MCP'er og Agent Skills i stedet for at proppe flere værktøjer ind i systemprompten. Mapper punkt-for-punkt til artiklens tjekliste for værktøjsbeskrivelser og return-shape-design.

Hvad du bør få ud af dette: Forbedr værktøjsdesign, så agenter vælger den rigtige handling med de rigtige parametre.

Forudsætninger: Kend forskellen mellem et tool schema, tool description og agent instruction.

Bemærkning fra AI Expert: Eksemplerne er Anthropic-specifikke, men designlektien er stabil: reducér værktøjsambiguitet, returnér nyttige identifikatorer, og test værktøjsvalg på rigtige opgaver. Genkontrolér aktuelle Agent Skills- og MCP-vejledninger, før du kopierer noget produkt-specifikt mønster.

Åbn videoside

Også værd at se

29:27

Prompting til agenter | Code med Claude

Anthropic

Hannah Moran og Jeremy Hadfield fra Applied AI gennemgår, hvordan man formulerer tool calls og agentprompts på en rigtig Pokemon-spillende agent — hvornår man skal skubbe adfærd ind i systemprompten kontra værktøjsbeskrivelsen, hvad modellen behøver at vide om hvert værktøjs forudsætninger. Nyttig umiddelbart efter, at du har skrevet din første MCP-server og opdager, at Claude kalder den på uventede måder.

Hvad du bør få ud af dette: Beslut, hvilken adfærd der hører hjemme i systemprompten, værktøjsbeskrivelsen eller værktøjsforudsætningen.

Forudsætninger: Hav bygget eller inspiceret mindst én tool-using agent.

Bemærkning fra AI Expert: Behandl demospillet som en undervisningsflade, ikke pointen. Den overførbare lektie er prompt/tool-kontraktdesign; validér enhver produktionsprompt med eval-cases, der inkluderer wrong-tool- og missing-parameter-fejl.

Åbn videoside