許多工程師在開發 AI Agent 時，往往陷入一種「用英文寫程式」的興奮感，但如果仔細觀察目前的開發模式，你會發現我們正處於 AI 版本的 1970 年代。當時的 BASIC 語言傾向於將所有邏輯寫在一個巨大的主檔案中，充滿了 GOTO 語句且缺乏結構；而現在的 Agent 開發，大多是將工具描述、提示詞（Prompt）直接「複製並貼上」到系統提示詞中。這種缺乏封裝與介面的做法，在面對企業級規模的複雜度時，將會變成維護噩夢。
本文將探討如何將軟體工程中成熟的「抽象化」與「封裝」概念引入 Agent 開發，從混亂的提示詞拼接轉向結構化的組件開發。
從 MCP 到虛擬工具的必要性
目前業界推崇的 Model Context Protocol (MCP) 解決了工具重複開發的問題，讓 Slack 或 Stripe 等服務提供者定義一次工具，多個 Agent 即可共用。這就像是軟體工程中的共享函式庫（Shared Libraries）。
然而，MCP 目前的實現方式存在缺陷：它本質上是一種「宏（Macro）」，將工具的名稱、描述和 Schema 直接展開並注入到 LLM 的上下文視窗中。這會導致兩個問題：第一，Agent 擁有者無法修改工具的介面以適應特定業務場景（例如將 set_jira_ticket 改名為 update_issue 以符合內部文件）；第二，工具提供者可能會暴露過多不必要的參數，佔用 Token 並干擾 LLM 的推理。
為了打破這種僵局，我們需要引入「虛擬工具（Virtual Tools）」的概念。這是在 Agent 與 MCP 伺服器之間增加的一層「間接層（Indirection Layer）」。
虛擬工具的實作能力
透過這層映射層，開發者可以對底層工具進行以下操作：
重新命名與描述：將通用工具名稱修改為符合業務域（Domain）的名稱，並優化描述以提升 LLM 的調用成功率。 Schema 投影（Schema Projection）：僅向 LLM 暴露必要的參數，將其餘參數設定為確定性的預設值，減少 LLM 的混淆。 工具組合（Composition）：將多個原子工具組合在一起，形成更粗粒度的虛擬工具。例如，將「搜尋 A 庫」、「搜尋 B 庫」與「合併結果」封裝成一個「全域搜尋」工具。
這種設計讓工具提供者與 Agent 開發者解耦：提供者負責功能的正確性，而 Agent 開發者負責定義如何將這些功能呈現給模型，以優化其推理效果（Evals）。
解決安全漏洞：對抗致命三原色（Lethal Trifecta）
在 Agent 安全領域，有一個概念稱為「致命三原色」，指當一個 Agent 同時具備以下三種能力時，會產生極高風險的數據外洩路徑： 讀取不可信內容（例如：讀取外部電子郵件）。 寫入外部世界（例如：發布部落格文章）。 訪問私有內部數據（例如：讀取用戶個資）。
如果這三者共存，攻擊者可以透過提示詞注入（Prompt Injection）誘導 Agent 將私有數據讀出並發布到外部。僅靠系統提示詞告訴模型「請不要這麼做」並非有效的安全策略，因為 LLM 是機率性的，且容易被繞過。
解決方案是引入「污點追蹤（Taint Tracking）」。我們在虛擬工具層對數據進行標記： 如果某個工具返回了個資（PII），則將當前上下文標記為「受污（Tainted）」。 一旦上下文被標記為 PII，系統會觸發確定性的安全策略，動態地從工具列表中移除所有「能訪問外部世界」的工具。 這種做法將安全防線從「依賴模型自律」提升到「基礎設施強制執行」，從根本上消除了致命三原色的形成條件。
建立企業級 Agent 註冊表（Enterprise Registry）
要讓上述的虛擬工具與安全策略規模化，不能依賴隨機的動態發現，而需要一個正式的註冊表。
版本控制與固定（Pinning）：MCP 目前的工具列表是動態的，這對生產環境是災難。註冊表應允許 Agent 固定依賴特定版本的虛擬工具（例如 notify_engineering v1.3），確保評測（Evals）的穩定性。 評測包（Eval Packs）：將評測數據集、執行器與判定標準（LLM-as-a-judge）封裝在一起。這讓非技術人員也能透過「輸入 A $\rightarrow$ 期望輸出 B」的方式定義 Agent 的行為規範。 依賴圖譜（Dependency Graphs）：追蹤 Agent 與工具之間的依賴關係，當底層服務變更時，能快速定位受影響的 Agent。
總結
AI Agent 的開發不應停留在「調教提示詞」的階段。我們需要將過去 50 年軟體工程的精髓——介面、封裝、版本控制與確定性安全策略——重新應用在 LLM 驅動的系統中。透過引入虛擬工具層與集中式註冊表，我們才能將 Agent 從不穩定的小工具，轉化為可維護、可擴展且安全的企業級軟體。
來源：infoq.com (Presentation: From Copy-Paste to Composition: Building Agents Like Real Software)
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。