Cara mengimplementasikan penggunaan tool
Panduan lengkap untuk mengimplementasikan penggunaan tool dengan Claude, termasuk definisi tool, kontrol output, dan penanganan error.
Memilih model
Secara umum, gunakan Claude Opus 4, Claude Sonnet 4, Claude Sonnet 3.7, Claude Sonnet 3.5 atau Claude Opus 3 untuk tool yang kompleks dan query yang ambigu; mereka menangani multiple tool dengan lebih baik dan mencari klarifikasi ketika diperlukan.
Gunakan Claude Haiku 3.5 atau Claude Haiku 3 untuk tool yang sederhana, tetapi perhatikan bahwa mereka mungkin menyimpulkan parameter yang hilang.
Jika menggunakan Claude Sonnet 3.7 dengan penggunaan tool dan extended thinking, lihat panduan kami di sini untuk informasi lebih lanjut.
Menentukan client tools
Client tools (baik yang didefinisikan Anthropic maupun yang didefinisikan pengguna) ditentukan dalam parameter tingkat atas tools
dari permintaan API. Setiap definisi tool mencakup:
Parameter | Deskripsi |
---|---|
name | Nama tool. Harus sesuai dengan regex ^[a-zA-Z0-9_-]{1,64}$ . |
description | Deskripsi plaintext yang detail tentang apa yang dilakukan tool, kapan harus digunakan, dan bagaimana perilakunya. |
input_schema | Objek JSON Schema yang mendefinisikan parameter yang diharapkan untuk tool. |
System prompt penggunaan tool
Ketika Anda memanggil Anthropic API dengan parameter tools
, kami membangun system prompt khusus dari definisi tool, konfigurasi tool, dan system prompt yang ditentukan pengguna. Prompt yang dibangun dirancang untuk menginstruksikan model menggunakan tool yang ditentukan dan memberikan konteks yang diperlukan agar tool dapat beroperasi dengan benar:
Best practices untuk definisi tool
Untuk mendapatkan performa terbaik dari Claude ketika menggunakan tool, ikuti panduan berikut:
- Berikan deskripsi yang sangat detail. Ini adalah faktor terpenting dalam performa tool. Deskripsi Anda harus menjelaskan setiap detail tentang tool, termasuk:
- Apa yang dilakukan tool
- Kapan harus digunakan (dan kapan tidak boleh)
- Apa arti setiap parameter dan bagaimana pengaruhnya terhadap perilaku tool
- Peringatan atau batasan penting, seperti informasi apa yang tidak dikembalikan tool jika nama tool tidak jelas. Semakin banyak konteks yang dapat Anda berikan kepada Claude tentang tool Anda, semakin baik Claude dalam memutuskan kapan dan bagaimana menggunakannya. Targetkan setidaknya 3-4 kalimat per deskripsi tool, lebih banyak jika tool kompleks.
- Prioritaskan deskripsi daripada contoh. Meskipun Anda dapat menyertakan contoh cara menggunakan tool dalam deskripsinya atau dalam prompt yang menyertainya, ini kurang penting daripada memiliki penjelasan yang jelas dan komprehensif tentang tujuan dan parameter tool. Hanya tambahkan contoh setelah Anda sepenuhnya mengembangkan deskripsi.
Deskripsi yang baik dengan jelas menjelaskan apa yang dilakukan tool, kapan menggunakannya, data apa yang dikembalikan, dan apa arti parameter ticker
. Deskripsi yang buruk terlalu singkat dan meninggalkan Claude dengan banyak pertanyaan terbuka tentang perilaku dan penggunaan tool.
Mengontrol output Claude
Memaksa penggunaan tool
Dalam beberapa kasus, Anda mungkin ingin Claude menggunakan tool tertentu untuk menjawab pertanyaan pengguna, bahkan jika Claude berpikir dapat memberikan jawaban tanpa menggunakan tool. Anda dapat melakukan ini dengan menentukan tool dalam field tool_choice
seperti ini:
Ketika bekerja dengan parameter tool_choice, kami memiliki empat opsi yang mungkin:
auto
memungkinkan Claude memutuskan apakah akan memanggil tool yang disediakan atau tidak. Ini adalah nilai default ketikatools
disediakan.any
memberi tahu Claude bahwa ia harus menggunakan salah satu tool yang disediakan, tetapi tidak memaksa tool tertentu.tool
memungkinkan kita memaksa Claude untuk selalu menggunakan tool tertentu.none
mencegah Claude menggunakan tool apa pun. Ini adalah nilai default ketika tidak adatools
yang disediakan.
Ketika menggunakan prompt caching, perubahan pada parameter tool_choice
akan membatalkan blok pesan yang di-cache. Definisi tool dan system prompt tetap di-cache, tetapi konten pesan harus diproses ulang.
Diagram ini mengilustrasikan bagaimana setiap opsi bekerja:
Perhatikan bahwa ketika Anda memiliki tool_choice
sebagai any
atau tool
, kami akan mengisi pesan asisten untuk memaksa tool digunakan. Ini berarti bahwa model tidak akan mengeluarkan blok konten text
chain-of-thought sebelum blok konten tool_use
, bahkan jika diminta secara eksplisit untuk melakukannya.
Ketika menggunakan extended thinking dengan penggunaan tool, tool_choice: {"type": "any"}
dan tool_choice: {"type": "tool", "name": "..."}
tidak didukung dan akan menghasilkan error. Hanya tool_choice: {"type": "auto"}
(default) dan tool_choice: {"type": "none"}
yang kompatibel dengan extended thinking.
Pengujian kami telah menunjukkan bahwa ini seharusnya tidak mengurangi performa. Jika Anda ingin mempertahankan chain-of-thought (terutama dengan Opus) sambil tetap meminta model menggunakan tool tertentu, Anda dapat menggunakan {"type": "auto"}
untuk tool_choice
(default) dan menambahkan instruksi eksplisit dalam pesan user
. Misalnya: What's the weather like in London? Use the get_weather tool in your response.
Output JSON
Tool tidak harus berupa fungsi klien — Anda dapat menggunakan tool kapan saja Anda ingin model mengembalikan output JSON yang mengikuti skema yang disediakan. Misalnya, Anda mungkin menggunakan tool record_summary
dengan skema tertentu. Lihat Tool use with Claude untuk contoh kerja lengkap.
Chain of thought
Ketika menggunakan tool, Claude akan sering menunjukkan “chain of thought”-nya, yaitu penalaran langkah demi langkah yang digunakan untuk memecah masalah dan memutuskan tool mana yang akan digunakan. Model Claude Opus 3 akan melakukan ini jika tool_choice
diatur ke auto
(ini adalah nilai default, lihat Memaksa penggunaan tool), dan Sonnet dan Haiku dapat diprompt untuk melakukannya.
Misalnya, diberikan prompt “What’s the weather like in San Francisco right now, and what time is it there?”, Claude mungkin merespons dengan:
Chain of thought ini memberikan wawasan tentang proses penalaran Claude dan dapat membantu Anda men-debug perilaku yang tidak terduga.
Dengan model Claude Sonnet 3, chain of thought kurang umum secara default, tetapi Anda dapat meminta Claude untuk menunjukkan penalarannya dengan menambahkan sesuatu seperti "Before answering, explain your reasoning step-by-step in tags."
ke pesan pengguna atau system prompt.
Penting untuk dicatat bahwa meskipun tag <thinking>
adalah konvensi umum yang digunakan Claude untuk menunjukkan chain of thought-nya, format yang tepat (seperti nama tag XML ini) mungkin berubah seiring waktu. Kode Anda harus memperlakukan chain of thought seperti teks yang dihasilkan asisten lainnya, dan tidak bergantung pada keberadaan atau format khusus tag <thinking>
.
Penggunaan tool paralel
Secara default, Claude dapat menggunakan multiple tool untuk menjawab query pengguna. Anda dapat menonaktifkan perilaku ini dengan:
- Mengatur
disable_parallel_tool_use=true
ketika tipe tool_choice adalahauto
, yang memastikan bahwa Claude menggunakan paling banyak satu tool - Mengatur
disable_parallel_tool_use=true
ketika tipe tool_choice adalahany
atautool
, yang memastikan bahwa Claude menggunakan tepat satu tool
Memaksimalkan penggunaan tool paralel
Meskipun model Claude 4 memiliki kemampuan penggunaan tool paralel yang sangat baik secara default, Anda dapat meningkatkan kemungkinan eksekusi tool paralel di semua model dengan prompting yang terarah:
Penggunaan tool paralel dengan Claude Sonnet 3.7
Claude Sonnet 3.7 mungkin kurang cenderung membuat panggilan tool paralel dalam respons, bahkan ketika Anda tidak mengatur disable_parallel_tool_use
. Untuk mengatasi ini, kami merekomendasikan mengaktifkan token-efficient tool use, yang membantu mendorong Claude untuk menggunakan tool paralel. Fitur beta ini juga mengurangi latensi dan menghemat rata-rata 14% token output.
Jika Anda lebih memilih untuk tidak menggunakan beta token-efficient tool use, Anda juga dapat memperkenalkan “batch tool” yang dapat bertindak sebagai meta-tool untuk membungkus pemanggilan tool lain secara bersamaan. Kami menemukan bahwa jika tool ini ada, model akan menggunakannya untuk secara bersamaan memanggil multiple tool secara paralel untuk Anda.
Lihat contoh ini dalam cookbook kami untuk cara menggunakan solusi ini.
Menangani blok konten tool use dan tool result
Respons Claude berbeda berdasarkan apakah ia menggunakan client atau server tool.
Menangani hasil dari client tools
Respons akan memiliki stop_reason
berupa tool_use
dan satu atau lebih blok konten tool_use
yang mencakup:
id
: Pengenal unik untuk blok penggunaan tool tertentu ini. Ini akan digunakan untuk mencocokkan hasil tool nanti.name
: Nama tool yang digunakan.input
: Objek yang berisi input yang diteruskan ke tool, sesuai denganinput_schema
tool.
Ketika Anda menerima respons penggunaan tool untuk client tool, Anda harus:
- Ekstrak
name
,id
, daninput
dari bloktool_use
. - Jalankan tool aktual dalam codebase Anda yang sesuai dengan nama tool tersebut, dengan memasukkan
input
tool. - Lanjutkan percakapan dengan mengirim pesan baru dengan
role
berupauser
, dan blokcontent
yang berisi tipetool_result
dan informasi berikut:tool_use_id
:id
dari permintaan penggunaan tool yang ini adalah hasilnya.content
: Hasil tool, sebagai string (misalnya"content": "15 degrees"
) atau daftar blok konten bersarang (misalnya"content": [{"type": "text", "text": "15 degrees"}]
). Blok konten ini dapat menggunakan tipetext
atauimage
.is_error
(opsional): Atur ketrue
jika eksekusi tool menghasilkan error.
Persyaratan format penting:
- Blok hasil tool harus segera mengikuti blok penggunaan tool yang sesuai dalam riwayat pesan. Anda tidak dapat menyertakan pesan apa pun antara pesan penggunaan tool asisten dan pesan hasil tool pengguna.
- Dalam pesan pengguna yang berisi hasil tool, blok tool_result harus datang PERTAMA dalam array konten. Teks apa pun harus datang SETELAH semua hasil tool.
Misalnya, ini akan menyebabkan error 400:
Ini benar:
Jika Anda menerima error seperti “tool_use ids were found without tool_result blocks immediately after”, periksa bahwa hasil tool Anda diformat dengan benar.
Setelah menerima hasil tool, Claude akan menggunakan informasi tersebut untuk melanjutkan menghasilkan respons terhadap prompt pengguna asli.
Menangani hasil dari server tools
Claude mengeksekusi tool secara internal dan menggabungkan hasil langsung ke dalam responsnya tanpa memerlukan interaksi pengguna tambahan.
Perbedaan dari API lain
Tidak seperti API yang memisahkan penggunaan tool atau menggunakan peran khusus seperti tool
atau function
, API Anthropic mengintegrasikan tool langsung ke dalam struktur pesan user
dan assistant
.
Pesan berisi array blok text
, image
, tool_use
, dan tool_result
. Pesan user
mencakup konten klien dan tool_result
, sedangkan pesan assistant
berisi konten yang dihasilkan AI dan tool_use
.
Menangani stop reason max_tokens
Jika respons Claude terpotong karena mencapai batas max_tokens
, dan respons yang terpotong berisi blok penggunaan tool yang tidak lengkap, Anda perlu mencoba ulang permintaan dengan nilai max_tokens
yang lebih tinggi untuk mendapatkan penggunaan tool yang lengkap.
Menangani stop reason pause_turn
Ketika menggunakan server tools seperti web search, API mungkin mengembalikan stop reason pause_turn
, yang menunjukkan bahwa API telah menjeda turn yang berjalan lama.
Berikut cara menangani stop reason pause_turn
:
Ketika menangani pause_turn
:
- Lanjutkan percakapan: Teruskan respons yang dijeda kembali apa adanya dalam permintaan berikutnya untuk membiarkan Claude melanjutkan turn-nya
- Modifikasi jika diperlukan: Anda dapat secara opsional memodifikasi konten sebelum melanjutkan jika Anda ingin mengganggu atau mengarahkan ulang percakapan
- Pertahankan state tool: Sertakan tool yang sama dalam permintaan lanjutan untuk mempertahankan fungsionalitas
Troubleshooting error
Ada beberapa jenis error yang dapat terjadi ketika menggunakan tool dengan Claude: