״תמצא לי שלושה מדריכים טובים על גיבוי, תבדוק מה עודכן לאחרונה ותכין טיוטת סיכום.״ זו בקשה אחת, אבל מסתתרות בה כמה פעולות: חיפוש, קריאה, השוואה וכתיבה. אם מקבלים רק תשובה מנוסחת יפה, קשה לדעת אילו מהפעולות באמת התרחשו.
מערכת שמסוגלת להפעיל כלים יכולה לבצע את החיפוש, לקבל תוצאות ולבנות עליהן את התשובה. סוכן מוסיף לכך אפשרות לבחור את הצעד הבא לפי מה שכבר קרה. כדי להבין את ההבדל, כדאי לעקוב אחרי משימה קטנה ולהפריד בין המודל לבין התוכנה שמפעילה אותו.
המודל מציע פעולה. הקוד מבצע אותה
מודל שפה אינו מקבל גישה למסמכים רק משום שכתבנו ״קרא את המסמכים״. המערכת צריכה לספק לו את התוכן, או לחבר כלי שיודע לקרוא אותו. ב־tool calling, המודל יכול להחזיר בקשה מובנית להפעלת כלי; התוכנה שסביבו מפעילה את הכלי ומחזירה את התוצאה למודל. זהו המנגנון שמתואר גם בתיעוד השימוש בכלים של Anthropic.
אפשר לדמיין את חילופי ההודעות כך:
משתמש: מצא מדריך על גיבוי מסמכים.
מודל: בקש להפעיל searchNotes עם query="גיבוי".
מערכת: בדוק את הבקשה והפעל את הכלי.
כלי: החזר מסמך עם כותרת, מזהה ותוכן.
מודל: השתמש בתוצאה כדי לענות, או בקש מידע נוסף.
ההבחנה הזו חשובה כשמשהו נכשל. אם כלי החיפוש לא זמין, המודל לא חיפש. אם הכלי החזיר רשימה ריקה, אין עדיין מקור לתשובה. התוכנה צריכה להעביר את המצבים האלה בצורה ברורה במקום להפוך אותם לטקסט שנראה כמו הצלחה.
לא כל תהליך עם AI צריך להיות סוכן
נניח שמכינים כתבה ממקור שנבחר מראש. אפשר לקבוע סדר קבוע: לקבל את הטקסט, לכתוב תקציר, להכין טיוטה ולבדוק שכל הקישורים קיימים. המודל עובד בתוך מסלול שהקוד מגדיר.
לעומת זאת, בקשה לחקור נושא עשויה לדרוש מסלול משתנה. אחרי קריאת מקור אחד, המערכת יכולה לזהות שחסרה דוגמת התקנה ולחפש מקור נוסף. מספר החיפושים וסדר הפעולות אינם ידועים מראש.
Anthropic משתמשת בהבחנה בין workflow, שבו המסלול נקבע בקוד, לבין agent, שבו המודל מכוון את ההתקדמות והשימוש בכלים. אין הגדרה אחידה לכל התעשייה, אבל זו הבחנה שימושית כשמתכננים מערכת. ההסבר המקורי עוסק בדפוסי עבודה; רשימת הכלים והספריות סביבם משתנה עם הזמן.
במשימה קבועה יש יתרון למסלול קבוע: אפשר לדעת איזה שלב נכשל, להריץ אותו שוב ולבדוק את התוצאה שלו בנפרד. בחירה חופשית של הצעד הבא נעשית שימושית כשהבעיה באמת דורשת אותה.
כלי קטן שאפשר להבין עד הסוף
הקוד הבא מדגים כלי חיפוש, לא סוכן שלם. הוא רץ מקומית, בלי שירות AI ובלי מפתח API. המטרה היא לראות מה כלי מקבל ומה הוא מחזיר לפני שמחברים אותו למודל.
שמרו קובץ בשם search-notes.mjs. נדרשת התקנת Node.js 22 ומעלה.
const notes = [
{
id: "backup-01",
title: "גיבוי מסמכים",
text: "שמרו עותק נוסף של המסמכים ובדקו שאפשר לשחזר ממנו."
},
{
id: "network-01",
title: "מיפוי הרשת הביתית",
text: "רשמו אילו מכשירים מחוברים ובאיזה חדר הם נמצאים."
}
];
function searchNotes({ query }) {
if (typeof query !== "string" || !query.trim()) {
throw new Error("query must be a non-empty string");
}
const term = query.trim().toLocaleLowerCase("he");
return notes.filter(note =>
`${note.title} ${note.text}`
.toLocaleLowerCase("he")
.includes(term)
);
}
console.log(searchNotes({ query: "גיבוי" }));
הריצו:
node search-notes.mjs
התוצאה כוללת את הרשומה עם המזהה backup-01. אם תחליפו את מילת החיפוש ב־מדפסת, תקבלו רשימה ריקה. אם תשלחו מחרוזת ריקה, הכלי יזרוק שגיאה.
שלושת המצבים שונים: יש תוצאה, אין תוצאה, והבקשה עצמה לא תקינה. כשמחברים כלי למודל, כדאי לשמור על ההבדל ביניהם. שם ברור, פרמטרים מוגדרים ותוצאה צפויה מקלים על השימוש בכלי; אלו גם נקודות מרכזיות במדריך של Anthropic לכתיבת כלים.
מגדירים הצלחה לפני שמוסיפים כלים
״להכין כתבה טובה״ היא משימה שקשה לבדוק. אפשר להפוך אותה להגדרה מעשית יותר:
- הטיוטה עונה על שאלה מוגדרת.
- לכל טענה טכנית מרכזית יש מקור מזוהה.
- דוגמת הקוד כוללת את הסביבה ואת דרך ההרצה.
- מידע חסר מסומן במפורש.
- התוצאה נשמרת כטיוטה לבדיקה.
זו הגדרה מוצעת לתהליך תוכן, ולא הבטחה שמודל יעמוד בה. אפשר לבדוק אותה על כמה מקורות מוכרים ולהשוות את הפלט למה שבאמת כתוב בהם.
גם תנאי העצירה צריך להיות ברור. בדוגמה של חיפוש מקורות, אפשר להגביל את מספר החיפושים ואת זמן העבודה. אם המערכת ממשיכה לחפש כי אין מקור מתאים, עדיף שתדווח על החוסר במקום להמשיך עד שהתקציב ייגמר.
איך יודעים אם המערכת מועילה?
בחרו חמש משימות שאתם יודעים לפתור ידנית. הוסיפו מקרה שבו חסר מידע, מקרה שבו המקורות סותרים זה את זה ומקרה שבו כלי נכשל. בדקו כמה תוצאות אפשר להשתמש בהן, כמה דורשות תיקון וכמה זמן הבדיקה גוזלת.
מערכת שמייצרת הרבה טקסט אינה בהכרח חוסכת עבודה. במקרה של בלוג, המדד המעניין הוא כמה טיוטות מדויקות ושימושיות מגיעות לעריכה, וכמה תיקונים הן דורשות בדרך.
אם המשימה כבר עובדת היטב במסלול קבוע, אפשר להישאר איתו. כשמגיעים למקרה שבו צריך לבחור בין כמה דרכי פעולה, יש סיבה ברורה להוסיף יכולת של סוכן.
