练习 2：多工具选择

🎓 学习模式：这份 starter.py 是完整解答、不是 TODO skeleton。建议用主动模式——mv starter.py starter_reference.py、看 signature 不看 body、自己重写一份 starter.py、跑 python test.py 验证；卡 20 分钟再回去对照 reference。完整方法论看 docs/HOW_TO_USE.md。

📚 想要 chapter-length 深入版？ 本 folder 的 starter 是 70-150 行 illustrative 版、聚焦 核心 pattern + 两条 SDK path，不是进阶深度教材。深度教材推荐：

datawhalechina/hello-agents ⭐ 中文圈最完整、章节式 + 16 种 production 能力。本练习对应 hello-agents 的 tool-calling / multi-tool dispatch 章节

Anthropic Tool Use Cookbook（单工具→多工具→parallel 完整 notebook）

完整 references 见 Stage 3 精选 Projects

#为什么这题重要

这个练习让 LLM 在同一轮面对三个工具：web_search、calculator、calendar_lookup。重点不是工具本身强不强，而是观察 schema 的 name / description / parameters 如何决定模型挑哪一个。把 schema 写清楚，是 Stage 3 最值得花时间的子题。

#怎么跑 — 两条路径

#Path A（默认、本机免费）

pip install -r requirements.txt
ollama pull qwen2.5:3b
ollama serve
python starter.py

预算：$0。qwen2.5:3b 单轮 tool call ≈ 1-5 秒（CPU 慢、GPU 快）。

#Path B（Anthropic、想看 cloud 高质量）

pip install -r requirements.txt
export ANTHROPIC_API_KEY=sk-ant-...
python starter_anthropic.py

预算：每次 ≈ $0.0005（claude-haiku-4-5）。

预期看到（Path A、本机）：

❓ 问题：What is (19 * 42) - 8? Use the best available tool.（using Ollama qwen2.5:3b）
   tool: calculator
   tool_input: {'expression': '(19 * 42) - 8'}
   observation: 790
✅ 练习 2 通过 — 你已用本机 qwen2.5:3b 跑通 multi-tool selection、$0/run

#不花钱验证程序逻辑（mock-based）

python test.py            # 验 Path A (Ollama) starter.py 逻辑
python test_anthropic.py  # 验 Path B (Anthropic) starter_anthropic.py 逻辑

两条 test 都用 unittest.mock、不打真 API、$0/run。Path A 用 OpenAI-compat response shape、Path B 用 Anthropic content blocks。

#两条 path 的 SDK 差异

三个关键差异（其他完全一样）：

部分	Anthropic（Path B）	OpenAI-compat / Ollama（Path A）
Schema 包法	`tools=[{name, description, input_schema}, ...]`	`tools=[{"type": "function", "function": {name, description, parameters}}, ...]`
抓 tool call	`resp.content[i].type == "tool_use"`	`resp.choices[0].message.tool_calls[i]`
input 格式	`call.input` 是 dict（自动 parse）	`call.function.arguments` 是 JSON string、要 `json.loads(...)`

Tool selection 逻辑本身跨 backend——schema 写好、qwen2.5:3b 也会挑对 tool。这题很适合拿来对照 Claude vs qwen2.5“在哪几题会挑错”，是观察小 model 边界的好实验。

#容易踩坑

多工具选择最常见的错误是 description 写得太像“一般说明文档”，而不是“给模型做决策的判断规则”：

calendar_lookup 描述只说“行事历”就会跟 web_search 边界模糊；明写“查特定日期事件”才好
web_search 适合“外部 / 近期 / 不确定信息”、calculator 只处理算式；边界写越清楚、模型越少误判
小 model（qwen2.5:3b）对 description 质量比 Claude 更敏感——同一份 schema、Claude 可能还能猜对、qwen 直接挑错

#想看更聪明的答案？

预设用 claude-haiku-4-5（最便宜）。改成 sonnet：

MODEL=claude-sonnet-5 python starter_anthropic.py

或在 Ollama path 换 qwen2.5:7b（更大、更稳、但慢）：

MODEL=qwen2.5:7b python starter.py

#延伸

加更多 tool：在 TOOLS_SPEC + TOOL_IMPL 补一个 entry 即可
改成多轮 ReAct：把单轮 call 包进 while loop，看 ../03-react-from-scratch/
schema 细节：看 ../06-schema-design/ 比较 bad / good schema 对选择正确率的影响