Introducing advanced tool use for Claude
Zusammenfassung
Kurz
Anthropic stellt drei Beta-Funktionen vor: bedarfsgesteuerte Werkzeugsuche, codebasierte Orchestrierung mehrerer Werkzeuge und Beispiele für korrekte Aufrufparameter. Interne Tests hätten geringeren Kontextverbrauch und bessere Genauigkeit gezeigt; die Funktionen bringen jeweils zusätzlichen Aufwand mit sich und lohnen sich je nach Größe und Komplexität der Aufgabe unterschiedlich stark.
Mittel
Anthropic beschreibt drei Beta-Funktionen, die verschiedene Probleme beim Einsatz vieler Werkzeuge angehen. Das Tool Search Tool lädt Definitionen erst bei Bedarf. In einem angeführten Vergleich sinkt der Kontextverbrauch von rund 77.000 auf 8.700 Tokens; interne MCP-Tests hätten zudem höhere Genauigkeitswerte ergeben. Die Suche verursacht einen zusätzlichen Schritt und lohnt sich laut Bericht vor allem bei großen Werkzeugbibliotheken.
Programmatic Tool Calling lässt Claude mehrere Werkzeuge mit Code koordinieren und Zwischenergebnisse verarbeiten, ohne sie jeweils in den Modellkontext zu übernehmen. Anthropic berichtet von 37 Prozent weniger Tokens bei komplexen Rechercheaufgaben sowie Verbesserungen bei internen Wissensabruf- und GIA-Auswertungen. Besonders geeignet sei das Verfahren für große Datenmengen und mehrstufige Abläufe; einfache Einzelabfragen profitierten weniger.
Tool Use Examples ergänzen Schemas um Beispiele, die etwa Formate und den sinnvollen Einsatz optionaler Parameter zeigen. Laut internen Tests stieg dadurch die Genauigkeit bei komplexen Parametern von 72 auf 90 Prozent, allerdings unter zusätzlichem Tokenaufwand. Anthropic empfiehlt, jeweils beim größten Engpass anzusetzen. Die Leistungsangaben beruhen auf internen Tests; eine unabhängige Überprüfung wird im Bericht nicht genannt.
Ausführlich lesen
Der Bericht von Anthropic stellt drei Funktionen für den fortgeschrittenen Werkzeugeinsatz von Claude vor: Tool Search Tool, Programmatic Tool Calling und Tool Use Examples. Sie sollen laut Anthropic unterschiedliche Engpässe beim Einsatz großer Werkzeugbibliotheken und mehrstufiger Abläufe verringern.
Das Tool Search Tool lädt Werkzeugbeschreibungen nicht alle zu Beginn in den Kontext. Stattdessen kann Claude benötigte Werkzeuge gezielt suchen; deren vollständige Definitionen werden erst dann eingeblendet. Anthropic veranschaulicht den möglichen Platzbedarf mit einem Beispiel aus fünf MCP-Servern: 58 Werkzeuge könnten ungefähr 55.000 Tokens beanspruchen, noch bevor die Unterhaltung beginnt. Für einen Vergleich nennt der Bericht etwa 77.000 Tokens Verbrauch beim herkömmlichen Ansatz und 8.700 mit Suche, was einer Reduktion um 85 Prozent entspreche. Interne Tests hätten außerdem bessere Ergebnisse bei MCP-Auswertungen gezeigt: Opus 4 sei von 49 auf 74 Prozent und Opus 4.5 von 79,5 auf 88,1 Prozent gestiegen. Die Suche fügt jedoch einen zusätzlichen Schritt und damit mögliche Latenz hinzu. Anthropic empfiehlt sie besonders bei mehr als zehn Werkzeugen oder umfangreichen Definitionen; bei kleinen, häufig genutzten Bibliotheken sei der Nutzen geringer.
Programmatic Tool Calling lässt Claude Werkzeuge über generierten Code koordinieren. Ein Beispiel prüft, welche Beschäftigten ihr Reisebudget überschritten haben: Der Code ruft Team-, Budget- und Ausgabendaten ab, kann unabhängige Anfragen parallel ausführen und verarbeitet Zwischenergebnisse, ohne diese Claude jeweils vollständig in den Kontext zurückzugeben. Laut Bericht erhält das Modell am Ende nur die ausgewählten Ergebnisse. Anthropic berichtet für komplexe Rechercheaufgaben von durchschnittlich 43.588 auf 27.297 gesunkenen Tokens, also 37 Prozent weniger. Genannt werden auch bessere Werte bei internen Wissensabruf- und GIA-Auswertungen. Die Funktion erfordert allerdings eine Codeausführung und zahlt sich laut Anthropic vor allem bei großen Datenmengen, mehreren Werkzeugschritten oder nötigen Filtern und Zusammenfassungen aus; einfache Einzelabfragen profitieren weniger.
Tool Use Examples ergänzen JSON-Schemas um konkrete Beispiele für Werkzeugaufrufe. Beispiele können etwa Datumsformate, ID-Konventionen und Zusammenhänge zwischen optionalen Parametern verdeutlichen, die ein Schema allein nicht festlegt. Anthropic berichtet intern von einer Genauigkeitssteigerung bei komplexer Parameterbehandlung von 72 auf 90 Prozent. Beispiele verbrauchen zusätzliche Tokens und sind laut Bericht vor allem bei verschachtelten Eingaben und domänenspezifischen Regeln sinnvoll.
Anthropic empfiehlt, die Funktionen nach dem jeweiligen Engpass auszuwählen und bei Bedarf zu kombinieren: Suche für überladene Werkzeugdefinitionen, programmatische Aufrufe für umfangreiche Zwischendaten und Beispiele für Parameterfehler. Die beschriebenen Leistungswerte stammen aus internen Tests; der Bericht nennt keine unabhängige Prüfung dieser Ergebnisse. Zum Veröffentlichungszeitpunkt waren die Funktionen als Beta verfügbar.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Der Bericht ist eine technische Produktankündigung zu Werkzeugnutzung bei Claude. Sicherheits-, Ausrichtungs- und Governance-Fragen werden darin nicht beantwortet, weshalb alle Einordnungen niedrig ausfallen. Die Leistungszahlen stammen überwiegend aus Anthropic-internen Tests und sind unabhängig nicht überprüft.
Im Bericht, aber nicht in der Zusammenfassung
- Der Ausgangsbefund, dass Tool-Definitionen bei Anthropic bereits bis zu 134.000 Tokens verbrauchten
- Das Beispiel Claude for Excel, das Programmatic Tool Calling für Tabellen mit Tausenden Zeilen nutzt
In der Zusammenfassung, laut Prüfung nicht im Bericht belegt
- Die Aussage, die Leistungsangaben beruhten auf internen Tests, steht so nicht im Bericht; er nennt auch den externen GIA-Benchmark
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Unabhängig prüfen
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 58 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 31 %gleiches Oberthema, hilft nicht
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 35 %gleiches Oberthema, hilft nicht
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 45 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-T1-T05 Welche messbaren Vergleichswerte würden zeigen, dass die Ausrichtung der Modelle eines Labors an den vorgesehenen Zielen und Werten schneller vorankommt, als ihre Fähigkeiten wachsen, über das Fehlen öffentlicher Fehlschläge hinaus?
- SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden?
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 82 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 42 %gleiches Oberthema, hilft nicht
- Luna 43 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 80 %gleiches Oberthema, hilft nicht
- d3-ultra
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 43 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 80 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 28 %gleiches Oberthema, hilft nicht
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 25 %gleiches Oberthema, hilft nicht
- Luna 43 %einzelne zitierbare Belege
- JEV 35 %beantwortet direkt und ausführlich
- amos 27 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 41 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-V5-T01 Was sollte ein Modell schon heute tun, nicht erst bei rekursiver Selbstverbesserung (wenn KI ihre eigene Weiterentwicklung selbst vorantreibt), um äußerste Vorsicht angesichts rasch wachsender maschineller Intelligenz ernst zu nehmen?
- SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar?
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 27 %Hintergrund, keine Belege
- Luna 47 %einzelne zitierbare Belege
- JEV 42 %einzelne zitierbare Belege
- amos 25 %Hintergrund, keine Belege
- SubQ 39 %gleiches Oberthema, hilft nicht
- drex 31 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-A1-T02 Wie weist ein Agent kryptografisch nach, wer er ist und welche genaue Befugnis ihm ein Nutzer, eine Firma, ein Labor oder eine Regierung übertragen hat, und wie wird sie nach einer Kompromittierung entzogen?
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 36 %gleiches Oberthema, hilft nicht
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 31 %gleiches Oberthema, hilft nicht
- SubQ 44 %gleiches Oberthema, hilft nicht
- drex 38 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- clef 100 %kein Bezug
- Luna 33 %Hintergrund, keine Belege
- JEV 35 %gleiches Oberthema, hilft nicht
- amos 33 %gleiches Oberthema, hilft nicht
- SubQ 46 %gleiches Oberthema, hilft nicht
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra
Modelle teilen und schützen
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 51 %gleiches Oberthema, hilft nicht
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 66 %gleiches Oberthema, hilft nicht
- d3-ultra
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 58 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- Haiku-Prüfung kein Bezug
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Weitere Berichte zu diesen Fragen
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv