ToolError
PulseAugur coverage of ToolError — every cluster mentioning ToolError across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
使用 Pytest 测试 LLM 工具调用
本教程详细介绍了如何为处理大型语言模型 (LLM) 工具调用的代码构建一个健壮的测试套件。它利用 Python、pytest 和 pydantic 创建确定性测试，以验证工具的正确选择、参数的验证、执行顺序和错误处理。该测试框架旨在通过模拟 LLM 客户端并专注于代理的绑定逻辑来捕获可能在生产环境中出现的问题，例如不正确的工具使用或意外的失败。这些测试旨在快速运行，并通过 GitHub Actions 集成到 CI 管道中。
-
AI工具需要结构化错误，而非原始异常，以支持代理推理
本文讨论了AI代理使用的工具进行结构化错误处理的重要性。文章认为，工具应返回机器可读的错误代码和消息，而不是原始异常。这使得AI代理能够理解失败的性质，例如速率限制，并采取适当的行动，如重试，而不是默认通用错误并放弃。作者强调为工具错误定义清晰的契约，包括一个‘可重试’标志，以使代理能够有效地管理故障并改善用户体验。
-
自托管 LLM 以确保数据隐私并实施硬成本控制
自托管大型语言模型 (LLM) 被提出作为一种解决方案，适用于需要维护数据隐私和合规性的组织，尤其是在受监管的环境中。该方法涉及在私有网络（VPC 或本地）中运行类似于 MiniMax 的模型，以防止数据离开组织的控制范围。这需要仔细选择可下载、具有宽松许可的模型，并构建一个没有外部出口、禁用遥测和限制外部工具调用的服务堆栈。此外，管理 LLM 代理的一个关键方面是在工具包装器内实施硬成本控制，而不是依赖仪表板或软警报，以防止支出失控。
-
WebMCP 探索基于浏览器的上下文和工具注册
WebMCP 项目正在探索如何在 Web 浏览器环境中管理上下文和工具，从而消除传统的目录概念。这种方法利用了 Chrome 的实验性 `document.modelContext.registerTool()` API，或使用 polyfill 以获得更广泛的兼容性，允许网页注册代理可以调用的工具。这种客户端执行，包括一个 Rust 编译的 WebAssembly 评分内核，旨在提供一个通用且开放的平台能力，而无需依赖单独的 MCP…