摘要
在代理网络时代,基于大语言模型的智能体日益频繁地调用 Web 服务作为工具,但现有接口多为静态端点,难以有效表达包含循环、条件判断、合并及重试的长程工作流。本文提出 ToolPro,将智能体的工具意图表示为可执行的“工具程序”,紧凑编码多步服务交互并明确效果类型。该方法结合约束引导的程序构建、感知效果的精确一次状态修改调用重放,以及基于配置文件的策略以决定何时执行程序优于逐步调用。实验表明,ToolPro 显著降低了端到端延迟和客户端流量。
AI 推荐理由
论文提出 ToolPro,核心解决 Agent 调用 Web 服务工具的接口与执行机制问题,属技能学习范畴。
研究机构
School of Computer Science, Peking University, Beijing, China
论文信息