Strukturerade verktyg slår skärmagenter – exponera funktioner istället för att klicka
Låt inte agenter klicka via skärm. Exponera smala funktioner med schema, validering och läs/skriv-separation istället.
Kort sagt
När agenter får “se” skärmen och klicka runt blir det både opålitligt och farligt.
Bättre resultat får du när du exponerar smala, beskrivna funktioner med namn, schema och tydligt resultat – istället för att tvinga agenten att tolka pixlar.
När är detta användbart?
- När du bygger eller använder agenter som interagerar med appar, webbsidor eller interna system.
- När du vill minska hallucinerade klick och oavsiktliga åtgärder.
- För att ge agenter ett kontrollerbart och granskningsbart gränssnitt istället för en svart låda.
Gör så här
-
Exponera smala, semantiska verktyg
- Ge varje funktion ett tydligt namn och en beskrivning.
- Definiera exakt vilket input-schema som förväntas (validera och avvisa extra fält).
- Exempel:
getUserProfile(userId)istället för ett brett “interactWithPage”-verktyg.
-
Separera läs från skriv
- Ha distinkta verktyg för “hämta information” och “utför ändring”.
- Låt aldrig ett verktyg både läsa och mutera utan explicit separation.
-
Märk opålitlig data
- Data som kommer från externa källor eller användarinstruktioner ska markeras som “potentiellt opålitlig instruktionstext”.
- Låt inte agenten blint följa den.
-
Använd schema-validering tidigt
- Validera input innan verktyget körs.
- Returnera tydliga felmeddelanden som agenten kan agera på.
-
Kombinera med harness-kontroller
- Kräv mänsklig godkännande för alla verktyg som har externa eller irreversibla effekter.
Vanliga fallgropar
- Att låta agenten “se skärmen” som primärt gränssnitt (högre felrisk, svårare att logga och granska).
- Att skapa för breda verktyg som gör för mycket på en gång.
- Att glömma att validera och avgränsa input från agenten.
Lisemark-vinkel
För Nodi och Hermes är detta en kärnfråga: harnesset ska ge agenten ett kontrollerat verktygsgränssnitt, inte en friktionsfri skärm.
Strukturerade verktyg + schema + läs/skriv-separation + godkännandepunkter ger både bättre resultat och högre säkerhet än “låt agenten klicka runt”.
Detta kompletterar “Harnesset är kontrollplanet” och “Verifierbara kvalitetsspärrar”.
Relaterat
- Harnesset är kontrollplanet – modell vs runtime i agentiska system
- Verifierbara kvalitetsspärrar i agentisk kodning
- Agentroller, minne och styrning
- Agentisk datoranvändning: behörigheter, sandbox och mänsklig godkännande