[!info] related notes

• 所属 MOC: AI MOC
• 前置概念: Built-in tools, Function Calling, MCP 协议
• 并列概念: Augmented LLM, 面向 Agent 的工具设计
• 关系笔记: AI的能力以及对应的协议, Agentic Workflow Patterns, Agent 执行闭环

Agent-Computer Interface (ACI)

一句话定义

ACI 是 agent 与工具、文件系统、终端和外部环境交互时的接口设计问题，重点是让模型更容易正确使用能力。

核心机制 / 工作原理

很多 agent 的稳定性问题不在模型“不会想”，而在接口“难正确调用”。

一个好的 ACI 通常会强调：

• 参数命名清楚
• 输入输出格式自然
• 文档里有示例和边界
• 工具之间职责分得清楚
• 参数设计尽量让犯错更难

最小例子 / 最小场景

如果文件编辑工具要求相对路径，而 agent 在运行时可能切换目录，那么它就容易把路径用错。

把工具改成“明确要求绝对路径”，或把相对路径固定到不随进程变化的 workspace root，都可以减少这类歧义。这是 poka-yoke（防错）式 ACI 优化；路径形式本身不代替工具侧的访问范围校验。

边界与易混淆点

• ACI 不是 prompt 的附属小细节，而是 agent 工程质量的核心部分。
• 工具越多，不代表系统越强；接口设计差，反而会让能力更不稳定。
• 对 agent 来说，工具文档的重要性，接近于你给初级工程师写 docstring 的重要性。

如果继续往工程落地推进，可以接着看 面向 Agent 的工具设计。

学习检查

• 相对路径为什么会随执行环境产生歧义？固定工作区根目录能解决哪一部分？
• ACI 与 Function Calling 分别解决什么问题？
• 为什么路径参数无歧义仍不代表调用已获授权？

Related notes

• Agent MOC
• Agentic Systems
• Agent 执行闭环