refactor(topics): 멀티 에이전트용 지식 재편 — _Common(공통 기본기) + Domain_* 구조
에이전트 8종(대화형/프로그래머 C·S/디자이너/설계자/기획자/QA/PD/PM)에게 [공통 기본 능력 + 롤별 Specialty] 2층으로 지식을 주입하기 위한 재분류. 문서 내용·포맷은 무수정, 폴더 이동만 (6,372개 문서 수 보존 확인). - Topic_Programming → Domain_Programming (내부 구조 보존) - Topic_Graphic → Domain_Design - Topic_Business → Domain_Product - Topic_General → Domain_General - _Common 신설: Math(구 Topic_Math_Specialty), Reasoning(구 General/From_Thinking & Reasoning), Reasoning_Creativity(구 General/From_창의성), Communication(Poetic_Blog_Writing + From_writing) - 타 도메인의 From_* 폴더는 유지 (출처 표기일 뿐, 이미 도메인에 맞게 분류된 문서) - 빈 폴더 정리 (memory/procedures) - 에이전트→폴더 매핑은 workspace의 .astra/agent-knowledge-map.json (9개 에이전트) Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,186 @@
|
||||
---
|
||||
id: wiki-2026-0508-tool-usage-optimization
|
||||
title: Tool Usage Optimization
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [Function Calling, Tool Use, Agent Tools]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
verification_status: applied
|
||||
tags: [llm, tool-use, function-calling, agentic]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: Python
|
||||
framework: Anthropic SDK / OpenAI SDK / MCP
|
||||
---
|
||||
|
||||
# Tool Usage Optimization
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 LLM의 외부 capability 의 invoke"**. Tool use (function calling) 매 LLM 이 external API/code/DB 의 structured call 하는 패러다임. 2023 OpenAI function calling → 2024 parallel tools → 2025 MCP standard → 2026 매 every agent 의 backbone. 매 quality 매 tool 정의의 crisp / parallel call / error handling / cache strategy 에 의해 결정.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 핵심 mechanics
|
||||
- **Schema** — 매 JSON Schema 로 tool input 정의 — 매 model 이 fill.
|
||||
- **Choice** — `auto` / `tool` (forced) / `none`.
|
||||
- **Parallel** — 매 single turn 에 multiple tool calls (Claude / GPT-4o+).
|
||||
- **Iterative loop** — 매 tool result 의 feed back → continue → repeat.
|
||||
|
||||
### 매 design principles
|
||||
- **Crisp descriptions** — 매 tool description 매 "use this when X, not when Y" 명시.
|
||||
- **Few well-named tools** > 매 many overlapping — 매 selection error rate 의 reduce.
|
||||
- **Idempotent / safe** — 매 retry-safe — 매 LLM 매 retry 함.
|
||||
- **Structured errors** — 매 tool error 매 LLM 이 recover 할 수 있게 actionable.
|
||||
|
||||
### 매 modern (2025-2026)
|
||||
- **MCP (Model Context Protocol)** — 매 Anthropic 이 2024-11 release. 매 client/server tool sharing standard. 매 Claude Desktop, Cursor, Windsurf 모두 support.
|
||||
- **Tool result caching** — 매 expensive tool (DB query, web fetch) 매 cache + hash check.
|
||||
- **Tool budget** — 매 agent 의 max-call limit 의 prevent runaway.
|
||||
|
||||
### 매 응용
|
||||
1. Code agents (file ops, shell, search).
|
||||
2. Customer support (ticket, KB, account API).
|
||||
3. Data analysis (SQL, plot, fetch).
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### Anthropic tool definition
|
||||
```python
|
||||
tools = [{
|
||||
"name": "get_weather",
|
||||
"description": "Get current weather. Use ONLY for weather; do not use for forecasts beyond 24h.",
|
||||
"input_schema": {
|
||||
"type": "object",
|
||||
"properties": {
|
||||
"location": {"type": "string", "description": "City, country (e.g. 'Seoul, KR')"},
|
||||
"unit": {"type": "string", "enum": ["c", "f"], "default": "c"},
|
||||
},
|
||||
"required": ["location"],
|
||||
},
|
||||
}]
|
||||
|
||||
resp = client.messages.create(
|
||||
model="claude-opus-4-7",
|
||||
max_tokens=2000,
|
||||
tools=tools,
|
||||
messages=[{"role": "user", "content": "Weather in Seoul?"}],
|
||||
)
|
||||
```
|
||||
|
||||
### Parallel tool execution
|
||||
```python
|
||||
import asyncio
|
||||
|
||||
async def run_tool(call):
|
||||
return await TOOLS[call.name](**call.input)
|
||||
|
||||
# 매 LLM이 매 multiple tool_use blocks 의 emit
|
||||
calls = [b for b in resp.content if b.type == "tool_use"]
|
||||
results = await asyncio.gather(*(run_tool(c) for c in calls))
|
||||
# 매 모든 result 의 single user message 로 feed back
|
||||
```
|
||||
|
||||
### Tool loop (agentic)
|
||||
```python
|
||||
messages = [{"role": "user", "content": user_query}]
|
||||
for _ in range(MAX_TURNS):
|
||||
resp = client.messages.create(model="claude-opus-4-7", tools=tools, messages=messages)
|
||||
messages.append({"role": "assistant", "content": resp.content})
|
||||
if resp.stop_reason != "tool_use":
|
||||
break
|
||||
tool_results = [
|
||||
{"type": "tool_result", "tool_use_id": b.id,
|
||||
"content": str(TOOLS[b.name](**b.input))}
|
||||
for b in resp.content if b.type == "tool_use"
|
||||
]
|
||||
messages.append({"role": "user", "content": tool_results})
|
||||
```
|
||||
|
||||
### Structured error
|
||||
```python
|
||||
def search_db(query: str):
|
||||
try:
|
||||
return {"ok": True, "rows": db.execute(query).fetchall()}
|
||||
except SQLError as e:
|
||||
return {"ok": False, "error": str(e),
|
||||
"hint": "Check column names; use `\\d table` to inspect."}
|
||||
```
|
||||
|
||||
### Result caching
|
||||
```python
|
||||
import hashlib, json, functools
|
||||
|
||||
@functools.lru_cache(maxsize=1024)
|
||||
def _cached_fetch(url_hash: str, url: str):
|
||||
return requests.get(url, timeout=10).text
|
||||
|
||||
def web_fetch(url: str):
|
||||
return _cached_fetch(hashlib.sha256(url.encode()).hexdigest(), url)
|
||||
```
|
||||
|
||||
### Prompt cache + tools (Anthropic)
|
||||
```python
|
||||
resp = client.messages.create(
|
||||
model="claude-opus-4-7",
|
||||
tools=tools, # 매 tools 의 cacheable
|
||||
system=[{"type": "text", "text": SYSTEM, "cache_control": {"type": "ephemeral"}}],
|
||||
messages=messages,
|
||||
)
|
||||
```
|
||||
|
||||
### MCP server (Python)
|
||||
```python
|
||||
from mcp.server.fastmcp import FastMCP
|
||||
mcp = FastMCP("my-tools")
|
||||
|
||||
@mcp.tool()
|
||||
def query_orders(customer_id: str) -> list[dict]:
|
||||
"""Return recent orders for a customer."""
|
||||
return db.fetch_orders(customer_id)
|
||||
|
||||
if __name__ == "__main__":
|
||||
mcp.run()
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Few tools, in-app | Direct SDK tools |
|
||||
| Many shared tools across apps | MCP server |
|
||||
| Latency-critical | Pre-fetch / parallel tools |
|
||||
| Expensive tools | Cache by input hash |
|
||||
| Untrusted LLM output | Validate + sandbox tool exec |
|
||||
| Long agent loop | Tool budget + checkpoint |
|
||||
|
||||
**기본값**: 매 5-15 well-named tools, parallel calling enabled, structured errors, prompt caching on system + tool definitions.
|
||||
|
||||
## 🔗 Graph
|
||||
- 변형: [[Function-Calling]] · [[MCP]] · [[ReAct]]
|
||||
- 응용: [[Code-Agent]]
|
||||
- Adjacent: [[RAG]] · [[Structured-Output]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 external state / capability 의 필요한 모든 LLM app — search, DB, email, code exec, API call.
|
||||
**언제 X**: 매 pure text generation (summary, translate) — 매 tool 매 unnecessary.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Vague tool names**: `"do_thing"` — 매 LLM 매 selection 의 fail.
|
||||
- **Too many tools**: 매 30+ tool 매 confuse — 매 group / route.
|
||||
- **No retry on transient error**: 매 502 / timeout 매 transient — 매 retry-safe + LLM 의 hint.
|
||||
- **Streaming tool output to user mid-call**: 매 tool result 매 internal — final assistant text 만 user 에.
|
||||
- **No max-turn limit**: 매 infinite loop 의 risk.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Anthropic tool use docs, OpenAI function calling, MCP spec 2024-11, parallel tool calling).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — modern tool use + MCP + caching patterns |
|
||||
Reference in New Issue
Block a user