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ReAct（2022-2023）
Toolformer：让模型学会"调用API"
2023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ReAct（Reason + 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 Calling（2023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-2024
Function 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。