Anthropic

內建 tools

Anthropic 直營的 web_search、text_editor、fine-grained tool calling——你不用接 Bing、不用寫 file API，schema 一行就跑。

TL;DR

不是所有 tool 都要自己寫——Anthropic 提供 web_search、text_editor 等內建版
web_search 在 server 端就跑（你不用接 Bing/Google），response 帶 citations 可以直接 render
text_editor schema 內建、實作要你自己寫（一個半成品）；fine-grained tool calling 是 streaming 的進階用法

一個情境：「Claude，幫我查一下 React 19 release notes」

你的 chatbot 要回最近的技術新聞，Claude 訓練資料 cut off 在去年，沒看過 React 19 release notes。

照前幾篇的做法，你要：

註冊 Bing / Google / Brave search API
寫 search_web 函式去打那個 API
寫 schema、處理 result、塞回 messages

繁瑣。Anthropic 看到大家都在做同一件事，乾脆做一個內建 web_search tool。整個 search 在 Anthropic 那邊就跑完了，你只要在 tools 加一行：

tools = [{
    "type": "web_search_20250305",
    "name": "web_search",
    "max_uses": 5,
}]

不用接外部 API、不用寫 function、不用 routing。

內建 tool 跟自寫 tool 的差別

	自寫 tool	Anthropic 內建 tool
Schema	你寫	內建（你只給 `type` + `name`）
Function 實作	你 server 寫	Anthropic server 跑（multi tool 例外，下面講）
Tool result	你包 `tool_result` 回傳	自動 stream 進 response
計費	看你 API 用量	算 tool use 計費（官方價目）
Block type	`tool_use` / `tool_result`	`server_tool_use` / `web_search_tool_result` 等

關鍵差別：有的內建 tool 是「server-side」，Anthropic 直接幫你跑，你只看到結果；有的是「client-side」，schema 內建但實作要你寫（text_editor 屬於這一類）。

Web search：最常用的內建 tool

加在 tools array：

res = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=2048,
    tools=[{
        "type": "web_search_20250305",
        "name": "web_search",
        "max_uses": 5,
        "allowed_domains": ["nih.gov", "developer.mozilla.org"],  # 選填
    }],
    messages=[{"role": "user", "content": "React 19 有哪些主要的 breaking changes？"}],
)

max_uses 限制這次 request 最多搜幾次（避免無窮亂打）；allowed_domains 把搜尋限在你信的網域——醫療類問題鎖 nih.gov、技術類鎖 mdn.io，比叫 Claude「請只引用權威來源」可靠太多。

response content 會多出幾種 block type：

Block type	內容
`text`	Claude 的回答
`server_tool_use`	Claude 實際送出的搜尋 query
`web_search_tool_result`	搜到的結果列表（標題 + URL）
帶 `citations` 的 text block	答案中的句子標註來自哪個 URL

UI 端可以分開 render：頁尾列 source、句子旁邊浮 citation。比叫 model「請引用」結構化得多。

Text editor：schema 內建、function 你寫

Claude Code 那種「打開檔案、改幾行、寫回去」的能力 Anthropic 也包了一個半成品：text_editor。

def get_text_editor_schema(model):
    if model.startswith("claude-sonnet-4"):
        return {"type": "text_editor_20250728", "name": "str_replace_based_edit_tool"}
    if model.startswith("claude-3-7-sonnet"):
        return {"type": "text_editor_20250124", "name": "str_replace_editor"}
    # 版本字串隨 model 換，最新請查 docs

但它只給你 schema，沒給你實作——Claude 會生 tool_use 說「我要 view ./main.py」、「我要 str_replace 這段」，你要自己寫一個 class 處理這些 command：

Command	你要做什麼
`view`	open file / list dir
`str_replace`	找 string、replace
`create`	寫新檔
`insert`	在某行插入
`undo_edit`	還原（要自己存 history）

意義不在「省你寫實作」，而是省你設計 schema。Claude 訓練時就看過這個 schema，呼叫格式不會錯、edit 失敗 retry 也會自動。你只要把 file system 那層接上去，就有一個迷你 Claude Code。

什麼時候用？

IDE-like 應用（在自己 product 裡讓 Claude 改檔）
後端跑 batch 修檔（CI 上自動 fix lint、生 docs）
跟自家 sandbox 整合（教學平台讓 Claude 改學生程式）

不是用來取代 Cursor / Claude Code 的，而是你自己在做 product 時的內建素材。

其他內建 tool（一覽）

Tool	跑在哪	用途
`web_search`	Anthropic server	即時資訊查詢、citations
`web_fetch`	Anthropic server	抓特定 URL 的內容
`text_editor`	你 server	檔案 view / edit / create
`bash`	你 server（sandboxed 建議）	跑 shell 命令
`computer`	你 server	screen + mouse + keyboard 操作（Section 6 會講）
`code_execution`	Anthropic server	跑 Python，回結果 + 圖（也算內建系，Section 6）

computer 跟 code_execution 也都是 Anthropic 直營的「特殊 tool」——computer use 讓 Claude 操作畫面，code execution 在 sandbox 跑 Python 回結果跟圖。這兩個能力大、坑也多，留到 Claude 進階能力 section 細講。

版本號（type 結尾的日期）會變——這是 Anthropic 給內建 tool 的「version pin」，model upgrade 時舊版會繼續支援一段時間，正式 production 記得 pin 住版本字串再上線。

Fine-grained tool calling：streaming 的進階用法

預設情況下，streaming + tool use 看起來不太 stream：tool input 的 JSON 會等一個完整 top-level key value pair 出來才一次吐給你（API 會 buffer + 驗證）。

如果你想要更細粒度的 stream（例如即時顯示 tool 參數打到一半的樣子）：

res = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=2048,
    tools=tools,
    messages=messages,
    stream=True,
    extra_headers={"anthropic-beta": "fine-grained-tool-streaming-2025-05-14"},
)

開啟後：

chunk 一生成就吐——沒 buffer 等驗證
你會收到 input_json 事件，每個帶 partial_json（這次的片段）跟 snapshot（累積到目前的 JSON）
代價：JSON 可能無效——你的 code 要能 handle parse error

什麼時候要：tool 參數很大（一篇文章 / 程式碼）、要邊收邊處理、UI 要顯示 typing effect。80% 場景用預設就好，不要為了「比較炫」開這個。

接下來

到這邊 Tool Use section 收尾——你已經有完整的：寫 schema、處理 multi-block response、跑 multi-turn agent loop、用內建 tool。

下一個問題：當 tool 不夠用、或要丟一份 50 頁 PDF 給 Claude 問——直接塞進 prompt 又貴又散，model 也會被無關內容稀釋。這就是 RAG 要解的——下一篇先講為什麼需要 RAG，再進到 embeddings、chunking、完整 pipeline。