練習 2：多工具選擇¶

對應 Stage 3 — Tool Use & Agent 入門練習 2。

🎓 學習模式：這份 starter.py 是完整解答、不是 TODO skeleton。建議用主動模式——mv starter.py starter_reference.py、看 signature 不看 body、自己重寫一份 starter.py、跑 python test.py 驗證；卡 20 分鐘再回去對照 reference。完整方法論看 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 + 兩條 SDK path，不是進階深度教材。深度教材推薦： - datawhalechina/hello-agents ⭐ 中文圈最完整、章節式 + 16 種 production 能力。本練習對應 hello-agents 的 tool-calling / multi-tool dispatch 章節 - Anthropic Tool Use Cookbook（單工具→多工具→parallel 完整 notebook） - 完整 references 見 Stage 3 精選 Projects

為什麼這題重要¶

這個練習讓 LLM 在同一輪面對三個工具：web_search、calculator、calendar_lookup。重點不是工具本身強不強，而是觀察 schema 的 name / description / parameters 如何決定模型挑哪一個。寫清楚 schema、是 Stage 3 最值得花時間的子題。

怎麼跑 — 兩條路徑¶

Path A（默認、本機免費）¶

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

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

Path B（Anthropic、想看 cloud 高品質）¶

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

預算：每次 ≈ $0.0005（claude-haiku-4-5）。

預期看到（Path A、本機）：

❓ 問題：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
✅ 練習 2 通過 — 你已用本機 qwen2.5:3b 跑通 multi-tool selection、$0/run

不花錢驗證程式邏輯（mock-based）¶

python test.py # 驗 Path A (Ollama) starter.py 邏輯
python test_anthropic.py # 驗 Path B (Anthropic) starter_anthropic.py 邏輯

兩條 test 都用 unittest.mock、不打真 API、$0/run。Path A 用 OpenAI-compat response shape、Path B 用 Anthropic content blocks。

兩條 path 的 SDK 差異¶

三個關鍵差異（其他完全一樣）：

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（自動 parse）	`call.function.arguments` 是 JSON string、要 `json.loads(...)`

Tool selection 邏輯本身跨 backend——schema 寫好、qwen2.5:3b 也會挑對 tool。這題很適合拿來對照 Claude vs qwen2.5「在哪幾題會挑錯」，是觀察小 model 邊界的好實驗。

容易踩坑¶

多工具選擇最常見的錯誤是 description 寫得太像「一般說明文件」，而不是「給模型做決策的判斷規則」：

calendar_lookup 描述只說「行事曆」就會跟 web_search 邊界模糊；明寫「查特定日期事件」才好
web_search 適合「外部 / 近期 / 不確定資訊」、calculator 只處理算式；邊界寫越清楚、模型越少誤判
小 model（qwen2.5:3b）對 description 質量比 Claude 更敏感——同一份 schema、Claude 可能還能猜對、qwen 直接挑錯

想看更聰明的答案？¶

預設用 claude-haiku-4-5（最便宜）。改成 sonnet：

MODEL=claude-sonnet-4-6 python starter_anthropic.py

或在 Ollama path 換 qwen2.5:7b（更大、更穩、但慢）：

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

延伸¶

加更多 tool：在 TOOLS_SPEC + TOOL_IMPL 補一個 entry 即可
改成多輪 ReAct：把單輪 call 包進 while loop，看 ../03-react-from-scratch/
schema 細節：看 ../06-schema-design/ 比較 bad / good schema 對選擇正確率的影響