抛弃 Function Calling 拥抱 Unix 命令行

在人工智能代理（AI Agent）的开发领域，Function Calling（或 Tool Calling）长期以来被视为构建智能工具使用能力的标准范式。然而，一位拥有深厚实战经验的技术专家却提出了一个颠覆性的观点：我们可能一直在走弯路。

前 Meta 旗下公司 Manus 的后端技术负责人 Morro Hsu，在深度构建 AI Agent 两年之后，得出了一个足以让许多开发者重新审视其技术栈的结论：是时候放弃复杂的 Function Calling 了。取而代之的，是一个极其简单却异常强大的工具：一个能够执行 Unix 命令行的 run(command="...") 函数。

主流范式与反直觉的洞察

当前，OpenAI、Google 等巨头在其官方文档与 API 设计中，无不推崇精细化的、结构化的 Function Calling。开发者们普遍认为，为 AI Agent 配备一个庞大、分类清晰、接口明确的专用工具库，是提升其能力的不二法门。这种思路催生了诸如 read_file()、filter_lines()、count_items() 等一系列原子化工具。

但 Hsu 的实践揭示了一个被忽略的真相：大型语言模型（LLM）在其预训练阶段，早已消化了海量的代码与系统交互数据，其中自然包括数十亿行涉及 Unix Shell 命令的文本。对于 LLM 而言，grep、awk、sed、find 这些命令的语法和语义，可能比我们人为设计的 JSON 格式函数调用接口更为“原生”。当你需要完成“读取日志文件，筛选出错误行，并计算其总数”这个任务时，LLM 更自然的“思考”方式可能是生成一行命令：grep -c "ERROR" app.log，而非发起三次离散的、结构化的函数调用。

超越 CLI：一套为 AI 设计的交互哲学

Hsu 提出的方案远非简单地“让 AI 执行 Shell 命令”。他将这套模式提炼为一种“启发式设计”哲学，其核心包含三个精妙的工程要点。

首先是 渐进式 --help 发现机制。传统的 Agent 设计通常需要在一开始就将所有工具的详细说明文档加载到上下文（Context）中，这极大地消耗了宝贵的 Token 限额。Hsu 的设计则模拟了人类使用命令行时的学习过程：Agent 可以先尝试运行 memory（一个假设的命令），当系统返回“命令未找到”或简要用法提示时，Agent 可以接着尝试 memory --help 或 memory search 来探索更具体的功能。这种按需探索的方式，使得 LLM 能够高效地动态学习工具集，而非背负全部文档的重担。

其次是 将错误信息转化为导航指引。在传统命令行中，错误信息（stderr）往往是晦涩且终止性的。例如，用 cat 命令查看一张图片只会得到“cat: binary file”这样的报错。Hsu 对其进行了改造，让错误信息变得具有指导性。系统可能会返回：[error] cat: binary image file. Use: see photo.png。这相当于直接告诉 Agent：“你用的工具不对，试试另一个。” Hsu 分享了一个反面案例：由于标准错误流被静默处理，一个 Agent 在尝试安装软件包时，盲目地在 pip、uv、apt 等命令间重复失败了十几次，浪费了大量计算资源与时间。这个案例凸显了 stderr 是 Agent 最需要的信息 这一深刻洞见。

最后，也是最关键的一点，是 执行层与表现层的分离架构。这是保障系统鲁棒性和效率的工程基石。执行层严格遵循 Unix 哲学，保证数据通过管道（Pipe）时是无损且高效的。而表现层则专门为 LLM 的“阅读”体验而优化：它会自动截断过长的输出并告知完整内容的位置，将二进制文件（如图片）替换为友好的提示文本，并在每条命令结果后附加如 [exit:0 | 12ms] 的元数据。这种分层设计有效防止了无意义的二进制数据或冗长日志污染 LLM 的上下文窗口，同时让 Agent 能够逐渐“感知”每个命令的执行耗时与状态，学会评估操作成本。

Shell 作为超集：一种工程上的返璞归真

这一设计思路的终极目标，并非给 Agent 一个完整的、不受限制的 Linux 系统权限。其精髓在于，使用 LLM 最熟悉、最原生的“语言”与之沟通。正如 Hsu 在讨论中所强调的：Shell 是超集。你永远可以轻松地从 Shell 环境中调用一段 Python 或任何其他语言的代码来完成特定任务；但若试图在一个纯 Python 函数调用环境中去模拟 Shell 命令的灵活性与组合能力，无异于舍近求远，自我设限。

这篇分享的价值，在于它将一个看似“技术倒退”的选择——用诞生已五十年的命令行界面替代时髦的 Function Calling——提升为一种更符合 AI 本质的设计哲学。它没有停留在表面比较，而是深入剖析了其底层优势：与训练数据的高度吻合、命令之间无与伦比的可组合性，并给出了使之高效工作的工程实践：渐进式帮助、导航式报错和分层架构。这无疑为那些仍在纠结于如何设计“完美工具库”的开发者们，提供了一条清晰而高效的路径。这是一种基于深刻理解的、工程意义上的返璞归真。

原文链接： 前Meta收购公司Manus的后端技术负责人，在构建AI Agent两年后得出结论：别再用复杂的Function Calling了。