为什么你的AI Agent总是一用就崩？可能是工具设计的问题

你有没有发现，很多 AI Agent 听起来很强大，但实际用起来却总是”幻觉”、卡死、或者默默失败？问题往往不在模型本身，而在于工具设计得稀烂。

最近挖到一个超硬核的 Skill——Agent Tool Builder，来自 davila7/claude-code-templates 这个 2.4 万星的神级仓库。它专门教你如何给 LLM 设计”好用的工具”，不是教你怎么写代码，而是教你怎么设计工具的接口和描述。

核心洞察：LLM 永远看不到你的代码

这句话是整个 Skill 的灵魂：LLM 永远只看到工具的 JSON Schema 和 description。一个实现完美但描述模糊的工具，会被 LLM 用成一坨屎；一个简单但文档清晰明了的工具，LLM 能精准调用。

Skill 里列出了常见的反模式：

• ❌ Vague Descriptions（模糊描述）—— LLM 完全不知道什么时候该用、该怎么用
• ❌ Silent Failures（静默失败）—— 工具出错但不返回有意义的信息，LLM 只能瞎试
• ❌ Too Many Tools—— 工具太多导致选择困难，LLM 选错工具或重复调用

设计模式干货

Skill 里沉淀了大量实操设计模式，比如：

Tool Schema Design：教你写清晰无歧义的 JSON Schema，让 LLM 准确理解参数结构。

Tool with Input Examples：在 description 里放真实输入输出示例，LLM 的调用准确率能提升好几倍。

Tool Error Handling：返回的错误信息要能帮助 LLM 自我修正，而不是返回一堆无关的堆栈信息。

还有一个很前沿的内容——MCP（Model Context Protocol），这是现在 AI 工具互联的事实标准，Skill 里专门有一节讲如何基于 MCP 设计工具。

使用方式

这个 Skill 本身是一个 Claude Skill，可以直接装进你的 Claude Code：

npx skills add https://github.com/davila7/claude-code-templates --skill agent-tool-builder

装完之后，当你需要设计一个工具（比如给 Agent 写一个新的 API 调用工具、写 MCP Server 接口），Claude Code 会自动调用这个 Skill，帮你审查和改进工具设计。

谁适合用？

如果你正在：

• 基于 LangChain、AutoGPT、CrewAI 等框架开发 AI Agent
• 设计自己的 MCP Server 或工具生态
• 优化现有 Agent 工具调用频繁失败/幻觉的问题

那这个 Skill 是你书架上必放的那一本。

GitHub：https://github.com/davila7/claude-code-templates

GitHub: https://github.com/davila7/claude-code-templates