Tool、skill 還是 subagent？拆解一個已經撐爆 prompt 的 agent（第 3/4 段）

🧑‍🏫 這段在講一個越做越肥的 AI agent（會自己規劃步驟、動手完成任務的 AI 助理）怎麼瘦身：把塞爆的 system prompt 拆成 skills，把十幾個專用工具換成「跟人一樣的基本能力」，MCP 放到最後才用。如果你寫過很長的 AI 指令，或正在想要不要接一堆外部工具，這段能幫你排好先後順序。

• 22:34 講者表示有了 skills 之後，不建議再把所有資訊塞進 system prompt。system prompt 只放 Claude 不管做什麼任務都需要記住的資訊
  ↳ system prompt（每次對話開始前先給 Claude 的固定指令）以前常被當成百寶箱，什麼都往裡塞。講者說現在有了 skills，這裡只該留「不管做哪件事都得記得」的東西。
• 22:34 Skills 很適合打包 Claude「偶爾才用得到」的資訊
  ↳ skills（一包一包的說明和資料，要用時才載入）適合放「有時才用到」的知識。就像員工手冊的附錄，平常不用背，碰到那件事再翻就好。
• 23:05 例子：只有叫 Claude 建 forecast（預測）時，它才需要預測相關資訊，所以只在那個任務才把這些資訊拉進 context window
  ↳ 預測的做法和注意事項，只有叫 Claude 做 forecast（預測，例如估下個月銷量）時才需要，所以等到那時才載入 context window（Claude 做事時眼前攤開的所有資訊）。
• 23:05 Skills 也能讓 context 用得更有效率。全部塞進 system prompt，會讓完成任務用不到的資訊污染 context window
  ↳ 眼前攤開的東西越多，跟任務無關的雜訊就越多。全塞進 system prompt，等於每次做事都要在一堆用不到的資料裡找重點，Claude 比較難專心在該做的事上。
• 23:36 實作第一步：請 Claude 檢視 system prompt，問它能不能改用 skills、說 system prompt 太長。Claude 分析後發現有 pre-built skills 可以補充 system prompt 的資訊
  ↳ 做法很直接：跟 Claude 說「system prompt 太長了，能不能改用 skills？」讓它自己去看。它發現有 pre-built skills（已經做好、拿來就能用的 skills）可以接手一部分內容。
• 24:08 讓架構現代化的第一個修正：移除大部分 system prompt 內容、改放進 skills，啟用幾個原本沒有的 skill，並把長 system prompt 換成短的
  ↳ 第一輪改造：把大部分 system prompt 內容搬進 skills，開啟幾個原本沒用的 skill，最後只留一份精簡版。重點是「搬家」不是「刪掉」，資訊都還在。
• 24:39 成果：原本約 400 行的 system prompt 縮成約 50 行，大量資訊移到 skills。改完之後可以重跑 evals
  ↳ 約 400 行縮到約 50 行。改完要重跑 evals（一組固定考題，用來比較改前改後的表現），確認瘦身沒有讓 agent 變笨，不是憑感覺說變好了。
• 25:10 這個 inventory management agent 原本有 12 個 tools，每件事都有專屬工具，例如取資料一個、分析資料一個
  ↳ 這個 inventory management agent（庫存管理 agent）原本有 12 個 tools（Claude 能呼叫的功能），而且一件事一個工具，拿資料一個、分析又一個，越堆越多。
• 25:41 第二步：請 Claude 分析 agent 現有的 tools，一起想怎麼優化
  ↳ 第二步一樣交給 Claude：請它盤點現有的工具，一起討論哪些能合併或換掉。等於請 Claude 當顧問，幫忙整理自己的工具箱。
• 25:41 Anthropic 內部和替客戶建 agent 時的原則：採用跟人類一樣的 primitives
  ↳ Anthropic 自己做 agent、幫客戶做 agent 都守一個原則：給 AI 的基本能力要跟人上班用的一樣。primitives 指的就是這些最基礎、能組合出各種事情的能力。
• 26:12 人上班時有電腦，可以瀏覽檔案系統、在瀏覽器上網搜尋，工程師還能寫程式和執行程式。Claude Code 就是把這些 primitives 同樣交給 Claude
  ↳ 人上班靠電腦：翻資料夾找檔案、上網查東西，工程師還會寫程式、跑程式。Claude Code（Anthropic 的 AI 寫程式工具）做的，就是把這一整套同樣交給 Claude。
• 26:42 Claude Code 本質上就是給 Claude 一台電腦。好處是每次推出新模型都能直接換上，而新的 Claude 會把同樣的 primitives 用得更好
  ↳ 說穿了 Claude Code 就是給 Claude 一台電腦。好處是工具不用跟著改，新模型推出就能直接換上，而新模型會把同一套工具用得更好。
• 27:12 比喻：你參加完研討會，手上的工具沒變，但學到東西、變聰明了，用同樣的工具會更有效率。Claude 也是一樣
  ↳ 像你去上完一堂課，電腦和軟體都沒換，但會的招變多了，做事就更快。工具固定、模型變強，效果自然提升，不用每次都重做工具。
• 27:12 建 agent 時先給 human-like primitives，包括 code execution、瀏覽檔案系統、維護 to-do list、web search。這些是基礎工具，用不到再拿掉
  ↳ 做 agent 時先把基本能力配好：code execution（寫程式並執行）、翻檔案、to-do list（待辦清單，幫它記進度）、web search（上網搜尋）。先全給，確定用不到再拿掉。
• 27:43 例子：agent 如果要分析大量 CSV 或 Excel 文件，code execution（能寫程式也能執行程式）是做資料分析、處理多份文件最好的方法之一
  ↳ 例如要分析一大堆 CSV 或 Excel 表格，讓 Claude 寫程式去算是最好的方法之一。程式能一次處理很多份檔案，不用靠它用「讀」的一份一份慢慢看。
• 28:15 給 Claude 一個 bash tool，讓它寫簡短的 Python script、執行後再根據結果推理，效果比把整個 CSV 上傳到 context window 好很多
  ↳ bash tool（讓 Claude 下指令、跑程式的工具）讓它寫幾行 Python 算好再判斷，比把整份 CSV 塞進 context window 好很多，就像用公式加總，而不是一格一格看。
• 28:46 實作結果：移除 agent 大部分的 tools，改用 primitives。這個 inventory agent 分析 Excel 和預測資料的工具，都能整併成 Claude Code 那一套工具
  ↳ 結果大部分專用工具都拿掉了。原本分析 Excel、做預測的各種工具，都能用 Claude Code 那一套基本能力取代，工具變少了，能做的事卻沒少。
• 29:16 用 Claude managed agents 建 agent 時，這些工具預設就內建，不用自己寫程式執行或檔案系統的工具，直接用 Anthropic 為 Claude Code 做的內建工具
  ↳ Claude managed agents（簡稱 CMA，讓 agent 正式上線運作的地方）已經內建這些工具。不用自己寫「跑程式」「讀檔案」的功能，直接用 Anthropic 為 Claude Code 做好的就行。
• 29:47 請 Claude 重跑 eval，看表現有沒有進步
  ↳ 工具改完一樣要重跑 eval，用數字確認換成基本能力之後表現真的變好，而不是只是看起來比較簡潔。
• 30:18 光靠 Claude Code 那套工具能做的有限，agent 總會需要一些 custom tools
  ↳ 基本能力不是萬能。碰到你自己業務才有的需求，總還是需要一些 custom tools（為自己的 agent 量身做的工具）。
• 30:18 做法：先從 primitives（code execution、web search、to-do list 等）開始，用不到就拿掉（例如有些 agent 不需要 web search），需要時才加 custom tools
  ↳ 順序是：先給基本能力，用不到就刪（例如不需要上網的 agent 就拿掉 web search），真的缺了才補 custom tools。先減法，再加法。
• 30:48 這個 inventory agent 大部分工具都換成了 Claude Code 的工具。Claude 把本地的 agent 重新部署到 Claude managed agents，接著重跑 F1 eval
  ↳ 大部分工具換好之後，Claude 把原本在自己電腦上跑的 agent 搬到 CMA 上，再跑 F1 eval。F1 是常見的評分方式，同時看答得準不準、有沒有漏掉。
• 31:18 在 CMA 裡，工具有三種選擇：① Claude Code primitives（web search、code execution、file system）② custom tools（只有自己的 agent 能用）③ 連接 MCP
  ↳ 在 CMA 上工具有三條路：一是 Claude Code 內建的基本能力；二是只給自己 agent 用的 custom tools；三是接 MCP（一套讓 AI 連接外部工具和服務的標準接口）。
• 31:49 很多人一開始就先用 MCP，很多客戶最後手上一堆雜亂的 MCP servers，功能常常重疊，衍生出問題
  ↳ 很多人一開始就猛接 MCP，最後手上一堆 MCP server（提供工具的服務），又亂又重複，好幾個做同一件事，反而出問題。就像手機裝了三個功能一樣的 app。
• 31:49 Anthropic 的順序：先用 Claude Code 工具，再做只給自己 agent 用的本地工具，不急著用 MCP
  ↳ Anthropic 建議的順序：先用 Claude Code 內建工具，不夠再做只給自己 agent 用的工具，MCP 不急著上。
• 32:19 只有當多個 agent 或多個 Claude Code client 需要共用同一組標準化、受治理的工具時，才把工具收集起來發布成 MCP server
  ↳ MCP 適合「共用」的情況：好幾個 agent 或好幾個人的 Claude Code 都要用同一組工具，而且要統一規格、有人管誰能用時，才整理好發布成 MCP server。
• 32:49 業界越來越常見的做法：讓 Claude 用 code execution 來執行工具，例如用 CLIs、用程式呼叫 APIs，而不是透過 MCP
  ↳ 業界越來越常直接讓 Claude 寫程式去用工具，例如用 CLI（打字下指令的程式介面），或寫程式呼叫 API（系統之間互相溝通的窗口），不經過 MCP。
• 32:49 MCP 的缺點：可能造成 context 問題，污染 context、佔用大量空間
  ↳ MCP 的代價是佔空間：接上的工具說明會佔掉 context window，接得越多越擠，用不到的也塞在裡面干擾。
• 33:20 有些情況可以改用 code execution（CLIs 或用程式呼叫 APIs），不必用 MCP，agent 也更有彈性
  ↳ 所以有些情況直接用 CLI 或寫程式呼叫 API 就好，不必架 MCP。Claude 需要時自己寫程式去叫，組合方式更自由，agent 也更有彈性。
• 33:20 Claude 跑完了，接下來要看 before and after 的結果
  ↳ 改造都跑完了，接下來要比較改前改後的結果，看這些調整到底帶來多少進步。

根據影片，Anthropic 建 agent 時，什麼情況才會把工具發布成 MCP server？