0Pricing
AI Agents · Lekcja

Typowe zestawy narzędzi (sieć, kalkulator, RAG)

Podstawowy zestaw narzędzi: wyszukuj w sieci, wykonuj obliczenia i odpytywanie bazy wiedzy — obejmuje 80% demonstracji.

Typowe zestawy narzędzi (sieć, kalkulator, RAG) to bezpłatna lekcja AI Agents na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej AI Agents, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs AI Agents zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

Podstawowy zestaw narzędzi

Trzy narzędzia wystarczają do 80% demonstracji agentów:

  1. web_search — wyszukiwanie w publicznej sieci
  2. calculator — obliczanie wyrażeń matematycznych
  3. retrieve — wyszukiwanie w wewnętrznej bazie wiedzy (RAG)

Narzędzie 1: Wyszukiwanie w sieci

Można użyć Tavily, Serper lub interfejsu API Brave Search:

import requests

def web_search(query: str, k: int = 5):
    r = requests.post('https://api.tavily.com/search',
        json={'api_key': TAVILY_KEY, 'query': query, 'max_results': k})
    results = r.json()['results']
    return [
        {'title': r['title'], 'url': r['url'], 'snippet': r['content'][:300]}
        for r in results
    ]

Web Search Tool Schema

schema_search = {'type': 'function', 'function': {
    'name': 'web_search',
    'description': 'Search the public web. Use for current events or facts after the knowledge cutoff.',
    'parameters': {'type': 'object', 'properties': {
        'query': {'type': 'string', 'description': 'What to search for'},
        'k': {'type': 'integer', 'default': 5}
    }, 'required': ['query']}
}}
import json
print(json.dumps(schema_search, indent=2))

Narzędzie 2: Kalkulator

Modele nie potrafią niezawodnie wykonywać działań arytmetycznych w pamięci. Narzędzie kalkulatora eliminuje większość błędów numerycznych:

import math

ALLOWED = {k: getattr(math, k) for k in ['sqrt','log','exp','sin','cos','tan','pi','e']}

def calculator(expression: str) -> str:
    try:
        return str(eval(expression, {'__builtins__': {}}, ALLOWED))
    except Exception as e:
        return f'Error: {e}'

print(calculator('sqrt(16) + 2'))

Calculator Tool Schema

schema_calc = {'type': 'function', 'function': {
    'name': 'calculator',
    'description': 'Evaluate a math expression like 2 + 3 * sqrt(16). Use for any arithmetic.',
    'parameters': {'type': 'object', 'properties': {
        'expression': {'type': 'string'}
    }, 'required': ['expression']}
}}
import json
print(json.dumps(schema_calc, indent=2))

Tool 3: RAG / Knowledge Retrieval

from langchain_openai import OpenAIEmbeddings
from langchain_community.vectorstores import Chroma

store = Chroma(persist_directory='./db', embedding_function=OpenAIEmbeddings())

def retrieve(query: str, k: int = 4):
    docs = store.similarity_search(query, k=k)
    return [{'text': d.page_content, 'source': d.metadata.get('source')} for d in docs]

Retrieve Tool Schema

schema_retrieve = {'type': 'function', 'function': {
    'name': 'retrieve',
    'description': 'Search the internal knowledge base for company-specific information (policies, docs, history).',
    'parameters': {'type': 'object', 'properties': {
        'query': {'type': 'string'},
        'k': {'type': 'integer', 'default': 4}
    }, 'required': ['query']}
}}
import json
print(json.dumps(schema_retrieve, indent=2))

Narzędzie 4: Code Interpreter (bonus)

W przypadku zadań związanych z danymi należy udostępnić agentowi piaskownicę Pythona:

def run_python(code: str) -> str:
    # Use a sandboxed environment (E2B, Firecracker, gVisor)
    return sandbox.run(code).stdout

Narzędzie 5: Pobieranie HTTP (bonus)

Do pobierania konkretnych adresów URL (gdy web_search zwróci obiecujący odnośnik):

def fetch_url(url: str) -> str:
    r = requests.get(url, timeout=10)
    return BeautifulSoup(r.text, 'html.parser').get_text()[:5000]

Wskazówki dotyczące opisu narzędzi

  • Należy określić, KIEDY używać narzędzia, a nie tylko opisać jego działanie
  • Warto wspomnieć o typowych danych wejściowych i wyjściowych
  • Należy zaznaczyć ograniczenia („działa tylko dla tekstu w języku angielskim”, „limit czasu wynosi 5 sekund”)

Unikanie nakładania się narzędzi

Dwa narzędzia o podobnym przeznaczeniu wprowadzają model w błąd. Jeśli zarówno search_web, jak i retrieve służą do „wyszukiwania”, należy w ich opisach wyjaśnić, kiedy używać każdego z nich.

Ocena użycia narzędzi

Należy zbudować mały zestaw testowy zawierający 50 pytań, z których każde ma „właściwe” narzędzie do wywołania. Następnie należy uruchomić agenta i zmierzyć, jak często wybiera właściwe narzędzie. To niezwykle pouczająca metryka.

Ukryte narzędzia

Niektóre narzędzia są przydatne tylko w określonych sytuacjach — należy pokazywać je wyłącznie wtedy, gdy są potrzebne. Na przykład refund_order tylko wtedy, gdy użytkownik jest uwierzytelniony i pyta o zwrot pieniędzy.

Najlepszy sposób na poprawę wyboru

Agent zbyt często wybiera niewłaściwe narzędzie. Jaka jest najprostsza poprawka?

Podsumowanie

Podstawowy zestaw narzędzi: web_search, calculator, retrieve. Należy go zbudować, ocenić i iteracyjnie ulepszać opisy. Zestaw ten obsługuje większość początkowych zastosowań agentów.

Często zadawane pytania

Czy lekcja „Typowe zestawy narzędzi (sieć, kalkulator, RAG)” jest bezpłatna?

Tak — pełny tekst „Typowe zestawy narzędzi (sieć, kalkulator, RAG)” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu AI Agents, przejdź na CoddyKit PRO. Kurs AI Agents zawiera 4 lekcji w sumie.

Co nauczysz się w „Typowe zestawy narzędzi (sieć, kalkulator, RAG)”?

Podstawowy zestaw narzędzi: wyszukuj w sieci, wykonuj obliczenia i odpytywanie bazy wiedzy — obejmuje 80% demonstracji. Ćwiczysz AI Agents z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć AI Agents?

Nie wymagamy żadnego doświadczenia. AI Agents w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.

Ile czasu zajmuje lekcja „Typowe zestawy narzędzi (sieć, kalkulator, RAG)”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji AI Agents?

Tak. Każda lekcja AI Agents zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

  1. ReAct: wzorzec rozumowanie + działanie
  2. Implementacja ReAct od podstaw
  3. Typowe zestawy narzędzi (sieć, kalkulator, RAG)
  4. Wykrywanie błędów narzędzi i odzyskiwanie po nich
← Powrót do AI Agents