Hur ser ett bra MCP-verktyg ut? Sex regler för verktyg som agenten använder rätt
Gustav Brochmann
Ett bra MCP-verktyg har ett namn som säger vad det gör, en beskrivning skriven som instruktion till en ny kollega, få och tydliga indata, en klassning som läsning, skrivning eller borttagning, korta och strukturerade svar samt felmeddelanden som hjälper agenten att göra rätt nästa gång. Håll dessutom antalet nere: modellen väljer sämre ju fler nästan likadana verktyg den ser.
Verktygen är agentens gränssnitt
En människa använder en skärm. En AI-agent använder verktyg: namngivna funktioner med en beskrivning och ett antal indata. Modellen läser beskrivningarna och väljer vilket verktyg som passar uppgiften. Om beskrivningarna är otydliga väljer den fel, och då hjälper det inte hur bra modellen är.
Det här är därför det som mest avgör om en agent fungerar i praktiken. Sex regler har visat sig hålla för oss, och de gäller oavsett vilken modell ni använder.
1. Ge verktyget ett namn som säger vad det gör
”Hämta bolagsöversikt” och ”lista öppna uppföljningar” är bra. ”Hantera kund” är det inte, eftersom det kan betyda vad som helst. Använd verb och objekt, och håll samma ordval genom hela verktygsuppsättningen.
2. Skriv beskrivningen som en instruktion till en ny kollega
Säg vad verktyget gör, när det ska användas och när det inte ska det. Skriv exempelvis ”använd för att hitta ett bolag efter namn; använd inte för att söka i anteckningar”. Beskrivningen är det modellen faktiskt läser, och den är värd lika mycket tid som själva funktionen.
3. Ha få och tydliga indata
Varje extra fält är en chans att modellen fyller i fel. Gör bara det nödvändiga obligatoriskt, och beskriv varje fält med ett exempel på ett giltigt värde. Hellre två verktyg med enkla indata än ett med tjugo valbara.
4. Klassa verktyget: läsa, skriva eller ta bort
Klassningen är grunden för alla regler. Läsning är fri, skrivning styrs och borttagning köas alltid. Se hur det används i Hur låter man en AI-agent uppdatera ett CRM utan att den förstör något?. Utan klassning finns det ingen plats att sätta reglerna på.
5. Returnera kort och strukturerat
Ett svar som innehåller hela databasposten kostar onödigt mycket och späder ut det viktiga. Skicka tillbaka det modellen behöver för nästa steg, och ta alltid med postens id så att den kan referera till den. Är resultatet långt, returnera en lista och låt agenten be om detaljer för en enskild post.
6. Skriv felmeddelanden som hjälper
”Fel 500” får agenten att gissa. ”Bolaget hittades inte; sök först med ’hämta bolag efter namn’” får den att göra rätt nästa gång. Ett felmeddelande är också en instruktion. När något saknas på grund av behörighet bör svaret vara ”hittades inte”, inte en förklaring som avslöjar att posten finns.
Färre är bättre
Ett av de viktigaste resultaten från vårt eget arbete är att vi slagit ihop verktyg oftare än vi delat dem. Modellen väljer sämre ju fler nästan likadana alternativ den ser. I Altu Central Command finns 47 verktyg, men det är för ett helt affärssystem med CRM, ekonomi, projekt och kalender. För ett första steg räcker ofta fem till tio.
En kort kontroll
Ställ er frågorna för varje verktyg:
- Skulle en ny kollega förstå när hen ska använda det, bara genom att läsa beskrivningen?
- Finns det ett annat verktyg som gör nästan samma sak?
- Är det tydligt om det läser, skriver eller tar bort?
- Hjälper felmeddelandet agenten att göra rätt nästa gång?
Hur verktygen hänger ihop med era system beskriver vi i MCP för svenska bolag, och vad en agent är i Vad är en AI-agent?.
Behöver ni hjälp att designa verktygen för ert system? Hör av er.