配套视频
文章探讨的是两类MCP工具之间的差别：一类只会在检查器中亮起，另一类则能让模型在正确的时机真正选中并使用。关键因素包括名称、描述、参数结构、错误消息、工具返回内容，以及与其他工具的组合方式。下面两场Anthropic分享，是由Claude自有工具的设计者亲自出镜，对这一主题最直接的讲解。
18:58Anthropic
Anthropic工程师讲解多智能体系统误用工具时，他们实际做了哪些改动——合并端点、返回名称而不是ID、更多依靠MCP和Agent Skills，而不是继续往系统提示中塞入工具。这些内容与文章中的工具描述和返回结构设计检查清单逐项对应。
您应该从中获得什么: 改进工具设计，让智能体以正确参数选择正确操作。
先观看或了解: 理解工具Schema、工具描述和智能体指令之间的区别。
AI Expert 注释: 示例针对Anthropic，但设计经验具有普适性：减少工具歧义、返回有用的标识符，并用真实任务测试工具选择。复制任何特定于产品的模式之前，请重新查阅当前的Agent Skills和MCP指南。
29:27Anthropic
应用AI团队的Hannah Moran和Jeremy Hadfield以一个真实的宝可梦游戏智能体为例，讲解如何表述工具调用和智能体提示：哪些行为应该放进系统提示，哪些应写在工具描述中，以及模型需要知道每个工具的哪些前置条件。刚写完第一个MCP服务器、却发现Claude会以意外方式调用它时，这段视频尤其有用。
您应该从中获得什么: 判断一项行为应归入系统提示、工具描述还是工具前置条件。
先观看或了解: 至少构建或检查过一个使用工具的智能体。
AI Expert 注释: 请将演示游戏视为教学载体，而不是重点。可迁移的经验在于提示/工具契约设计；生产环境中的任何提示都应使用包含错误工具选择和参数缺失故障的评估用例进行验证。
