1、通过优化Tools描述
2、还是必须使用agent来做
3、不同的llm 效果不一样咋解决
还有其他方案么？
1 Like
最好用agent。
如果不是，建议重做mcp，制作一个复合工具函数，里面整个原本多个tools的工具。
如果也不想重做，那只能优化工具函数的描述，然后单个对话只调用一次mcp。
其实这个问题是一般的llm，训练的过程中单次对话通常仅调用1次mcp。
如果单次指令调用多个mcp，很容易执行中断
3 Likes
这个技术叫parallel function calling，所谓的parallel不是真的并行，而是一个fc的输出作为另一个fc的输入。以前没有mcp的时候由模型决定fc调用次序，现在亦如此。
2 Likes
回到你的问题
- 可以，但是更关键的是模型本身的能力
- 非必须
- 没办法，现在fc的能力与模型深度绑定，mcp也只是把函数描述标准化，没法让模型变得更强；现在有种思路是用推理模型（比如r1）在实际调用前check一下（类似于反思），另外一种思路是由思考模型给出CoT然后由普通模型生成函数调用（DeepFoo）——这两套流程可用agent实现。
1 Like
要看你讲的依赖是何种依赖。
若依赖，这种依赖本质只是为了让模型任务完成的质量更高。比如执行sql之前要求先检查sql的，这种可以在sample中给例子。
强依赖，一般是因为本身函数/工具执行过程是有状态的，这种情况可以考虑用单独的缓存来管理这种执行状态，然后工具加入唯一键参数，通过唯一键参数对缓存操作来判断工具调用顺序及状态，如果发现不对，抛出异常，并将这个问题反馈给模型，要求模型调用正确的工具。
当然，最直接的还是直接把强依赖的几个工具，按你自己所需的顺序包成一个大工具。