wiki / concepts / Agent计算机接口
Type: concept
Confidence: 0.88
Created: 2026-04-15
Updated: 2026-04-16
Tags: 技术AI方法论Agent系统

Agent 计算机接口（ACI）

概述

Agent 计算机接口（Agent-Computer Interface, ACI）是类比人机接口（HCI）的概念：为 LLM Agent 设计工具接口需要与 HCI 同等的工程投入。工具的设计质量直接决定 Agent 的成功率——Anthropic 在 SWE-bench 中花费在工具优化上的时间多于整体提示词优化。

关键内容

SWE-agent 论文的 ACI 贡献

Princeton 的 SWE-agent 论文（"SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering"）是 ACI 理念的开创性实证研究。其核心论点：

软件工程 agent 的效果，很大程度上取决于它和计算机交互的"接口设计"是否合适。

论文真正想回答的问题：LLM agent 在软件工程任务上的瓶颈，到底来自模型能力不足，还是来自交互界面设计太差？作者的判断是后者至少同样重要。

三大核心观点： 1. 软件工程不是纯文本生成任务，而是"读仓库 → 定位问题 → 修改文件 → 运行测试 → 继续迭代"的交互式任务 2. ACI 是关键创新——给模型设计专门的交互方式（浏览代码库、查看文件、编辑代码、执行测试），而非只靠 prompt engineering 3. Agent 上限由"模型 × 工具 × 界面"的系统乘积决定，不只是模型参数规模

为什么不能直接把 Linux shell 丢给 Agent： - 命令空间太开放，容易乱走 - 编辑操作不稳定 - 文件改坏了不一定有清晰反馈 - 长输出容易让上下文失控 - 在大型仓库中导航效率很差

因此 SWE-agent 不是让模型直接裸用电脑，而是通过 ACI 提供一套更适合 Agent 的动作抽象。把"界面设计"从工程细节提升成研究对象，这是论文最有思想含量的贡献。

实验结果：SWE-agent 在 SWE-bench 上 pass@1 达到 12.5%，在 HumanEvalFix 上达到 87.7%。两者差距说明 ACI 设计在复杂任务上的价值远大于简单任务。

ACI vs. HCI

| | HCI（Human-Computer Interface） | ACI（Agent-Computer Interface） | |--|--|--| | 使用者 | 人类 | LLM Agent | | 设计约束 | 视觉认知、操作直觉 | Token 有限性、输入格式偏好、幻觉风险 | | 文档形式 | 用户手册、UI 标签 | 工具名称、描述、参数定义 | | 测试方法 | 用户测试 | 工具调用评估 + transcript 分析 |

工具设计五大原则

1. 选择正确的工具（而非多多益善）

更多工具不一定更好。常见错误：简单包装 API 端点而不考虑 Agent 的工作方式。

2. 工具命名空间（Namespacing）

使用前缀或后缀区分不同来源的工具，避免 Agent 混淆类似工具： - 按服务：asana_search, jira_search - 按资源：asana_projects_search, asana_users_search

3. 返回有意义的上下文

工具响应应优先返回对 Agent 下游决策有用的字段，而非技术标识符： - ✅ name, image_url, file_type - ❌ uuid, 256px_image_url, mime_type - 将任意字母数字 UUID 解析为语义化标识符（或简单的 0-indexed ID）可显著减少幻觉

4. 优化 Token 效率

长响应使用分页/范围选择/过滤/截断。Claude Code 默认将工具响应限制在 25,000 tokens。截断时应给出明确指导，引导 Agent 使用更精准的查询，而非盲目依赖截断。

5. 工具描述的提示工程

工具描述是最高效的 Agent 调优手段之一： - 像给新团队成员写文档一样编写：包含专业查询格式、领域术语定义、资源间关系 - 参数名应无歧义（user_id 优于 user） - 细微的描述改进可带来显著性能变化——SWE-bench 中仅改工具描述就达到 SOTA

工具开发的评估驱动循环

Anthropic 推荐的工具开发流程：

  1. 构建原型 — 快速实现，用 Claude Code 测试基础功能
  2. 生成评估任务 — 基于真实使用场景的 prompt-response 对（包含需要多步工具调用的复杂任务）
  3. 运行评估 — 使用简单 agentic 循环程序化运行；收集精度、运行时间、工具调用次数、Token 消耗等指标
  4. 分析结果 — 阅读 transcript 和工具调用；让 Agent 分析自身的 transcript 找出改进点
  5. 让 Agent 改进工具 — 将评估 transcript 粘贴给 Claude Code，让它重构工具；对 Slack MCP 服务器的实验显示 Claude 优化后的工具性能高于人工编写版本

使用 Tool Use Examples 补充 Schema

JSON Schema 定义什么是结构上有效的，但无法表达使用模式。通过在工具定义中提供示例，直接展示： - 日期格式约定（"2024-11-06" vs ISO 8601） - ID 格式约定（"USR-12345" vs 整数） - 嵌套对象何时填写（critical bug vs feature request 的不同处理） - 可选参数的关联规则

Anthropic 内部测试显示，添加 Tool Use Examples 将复杂参数处理准确率从 72% 提升至 90%。

来源

相关

← Agent角色系统 Agent评估方法论 →