▲Anthropic的語言模型「Claude」推出Cowork功能，讓AI能直接讀取你的資料夾、操作檔案。（圖／Claude官網）
專題中心／台北報導
大模型的戰爭正從「誰比較會答」轉向「誰比較會做事」。近來各家LLM平台加速導入工具調用（tool use）、函式/外掛、以及代理式工作流等能力，讓模型不只回覆文字，而是能被接上搜尋、資料庫、瀏覽器、程式執行環境，甚至企業內部系統。從產品規格的角度看，Anthropic在Claude的「Tool use」文件中，把這件事拆得很清楚：工具不是花樣，而是讓模型擴張能力邊界的基礎設施。
根據Anthropic的說明，Claude的工具可分為兩類：一是需要由開發者在自家系統實作的「Client tools」，例如自訂工具，或像computer use、text editor這類需要客戶端配合的能力；二是由平台端執行的「Server tools」，例如web search與web fetch，開發者只要在API請求中指定即可使用。這種切法反映出平台在「能力」與「責任」之間的劃線：哪些事情交給雲端做、哪些事情必須由客戶自己掌控。
更值得注意的是，Anthropic不只談「能不能呼叫工具」，還談「怎樣才算可上線」。文件提到可用strict tool use來強化工具輸入的結構化一致性，避免型別不符、欄位缺漏造成的失敗；也說明工具調用會增加token成本，並把成本來源拆解為tools參數、tool_use與tool_result等內容塊。換句話說，工具能力開始像API產品一樣被規格化、被計價，也被納入可預期的工程管理。
當這套「工具調用」語言逐漸成熟，市場也開始朝標準化靠攏。Anthropic在同一份文件中提到，若使用Model Context Protocol（MCP），可把MCP伺服器提供的工具直接轉成Claude可用的格式（例如把inputSchema改名為input_schema），甚至可透過MCP connector連接遠端MCP servers，降低開發者自建客戶端的成本。這意味著工具不只是單點串接，而是朝「可移植的工具生態」發展。
更廣義地看，所謂Skills／Tools本質上是在解決兩個痛點：第一，模型本身的知識與時間敏感性有限，必須靠搜尋與資料源補足；第二，模型如果要完成任務，必須能把「文字指令」轉成「可執行的動作」。因此無論各家叫tool use、function calling、plugins或agents，最後都走向相似規格：可描述的工具（名稱、描述、輸入schema）、可驗證的輸出、可追蹤的成本與權限。
業界觀察，這種趨勢會讓「模型」更像作業系統的核心，而工具與工作流則像應用程式與驅動程式。誰能把工具調用做得穩、做得可控、做得可維運，誰就更有機會在企業場景中勝出。當AI逐漸被要求「把事情做完」，Skills與Tools已不再是加分題，而是下一階段競爭的標準配備。
