5个工具撑起一个深度研究Agent:AREX-Base工具调用(search/visit/update_context/finish)完整参考

原创2026-10-20 10:22:231,427 阅读
文章标签:人工智能大模型AI Agent深度研究推理模型Qwen

5个工具撑起一个深度研究Agent:AREX-Base工具调用(search/visit/update_context/finish)完整参考

AREX-Base 是 BAAI(北京智源人工智能研究院)开源的深度研究 Agent 模型,本文完整拆解它的工具调用体系:search、google_scholar、visit、update_context、finish 这 5 个工具的作用、参数与调用流程,并附最小运行方法,帮助新手快速理解并搭建这个能自主搜索、读网页、交付带证据答案的研究型 Agent。

先认识 AREX-Base:会"自己查资料"的研究模型 🧭

AREX-Base 基于 Qwen3.5-122B-A10B 构建,采用 Mixture-of-Experts(MoE)架构,总参数 122B、激活参数 10B,支持 256K(262,144 tokens)超长上下文。它的定位是长程深度研究:围绕一个复杂问题,自主执行"搜索 → 阅读 → 交叉验证 → 修正计划"的循环,最终交付带引用来源的答案。

按照 README.md 的官方说明,AREX 采用"递归自我改进"(recursively self-improving)框架,由三个部分协作:

  • 内层研究循环:搜索、阅读、整合证据,产出带证据和置信度评分的候选答案;
  • 外层自我改进循环:用原始问题的约束检查候选答案——高置信度则接受,可恢复的轨迹围绕未解决的问题细化,无效轨迹则重启;
  • 自主上下文更新:调用 update_context 刷新研究状态,保留已验证结论、被否定的候选与下一步计划。

支撑这套流程的,就是下面这 5 个工具。

模型文件较大(61 个 safetensors 分片),如需获取完整仓库可用:git clone https://gitcode.com/BAAI/AREX-Base

5 个工具总览:一张表看全貌

工具 一句话作用 何时使用 约束
search 批量网页搜索,每条查询返回前 10 条结果 研究起点,快速铺开线索 一次只调一个工具
google_scholar 检索学术文献(BrowseComp 额外开放) 需要论文、学术来源时 一次只调一个工具
visit 访问网页并返回内容摘要 关键结论必须读全文核实 url、goal 必填
update_context 把对话历史压缩成高密度记忆 上下文过长 / 完成阶段目标 必须单独调用
finish 交付最终答案 + 证据列表 + 置信度 验证清单全部满足后 必须单独调用

工具一:search —— 批量网页搜索,研究的起点

search 是深度研究的第一站。它的参数 query 是一个字符串数组,一次调用可以传入多条互补的查询词,每条查询都会返回前 10 条结果(官方称 "batched web searches")。

使用要点:

  • 多角度检索:一次传入多个不同角度的查询词,效率远高于逐条搜索;
  • 摘要只是线索:搜索结果只用于筛选方向,关键主张必须用 visit 读原文确认;
  • 搜不到就换角度:换关键词、换来源、换思路继续,"答案一定存在"。

工具 schema 定义:inference/prompts.py

工具二:google_scholar —— 学术论文检索

google_scholar 的参数结构与 search 一致(query 字符串数组,至少 1 条),但检索对象是 Google Scholar 的学术出版物,适合需要引用论文、研究报告等权威来源的问题。

需要说明:AREX 的统一评测接口默认提供 search、visit、update_context、finish 四个工具;google_scholar 是 BrowseComp 评测额外开放的第 5 个工具,正好凑齐本文的"5 个工具"(见 inference/README.md 与 README.md)。

工具 schema 定义:inference/prompts.py

工具三:visit —— 阅读网页全文,锁定关键证据

visit 有两个必填参数:

参数 类型 说明
url 字符串或字符串数组 要访问的网页 URL,支持一次传多个
goal 字符串 本次访问的目标,即"想从页面里找到什么"

调用后工具返回页面内容的摘要。它是验证环节的核心:搜索摘要只用来筛选,关键事实必须通过 visit 读原文核实;而且每条保留下来的事实都要记下来源 url,否则最后 finish 前的验证步骤会失败。

工具 schema 定义:inference/prompts.py

工具四:update_context —— 压缩记忆,防止 262K 上下文被撑爆

这是 AREX-Base 最有特色的工具。深度研究往往要跑几十轮搜索和阅读,哪怕 262K 的长上下文也会被填满。update_context 的作用是把当前对话历史压缩成一段高密度、"无损"的摘要,用它替代被删除的历史消息。

官方给出的三个使用时机:

  1. 上下文饱和:对话历史过长,逼近 token 上限;
  2. 焦点丢失:轨迹里混入大量无关数据,推理路径变混乱;
  3. 里程碑达成:完成一个重要子任务后,固化进展再进入下一阶段。

新 context(单个字符串参数)的硬性要求:

  • 每条保留的结论必须带来源,格式为 [事实陈述] (Verified in: url);
  • 必须写明当前进度和下一步计划;
  • 可选:列出"已尝试且失败"的方向,避免重复踩坑。

⚠️ 官方特别提醒:不要过度使用。"清理过度"会丢失细节,目标是"最大信息密度、最小 token 消耗"。

工具 schema 定义:inference/prompts.py

工具五:finish —— 交付带证据和置信度的最终答案

finish 是研究的终点,只能在验证清单完全满足后单独调用,有 3 个必填参数:

参数 类型 说明
answer 字符串 简洁的最终答案
evidences JSON 数组 每项恰好含 evidence(一句话已验证事实)和 url(唯一来源)两个字段
confidence 字符串 0%–100% 的置信度评分

使用注意:

  • 每条证据必须精确引用一个 url;同一事实若有多篇文档支持,选最权威的一个;
  • 调用前必须完成强制验证:逐条核对关键主张与引用,清单不满足就继续搜索而不是提前收尾;
  • finish 不能与其他工具在同一轮一起调用。

工具 schema 定义:inference/prompts.py

调用协议:XML 格式与多轮循环 🔄

AREX-Base 不使用 JSON 函数调用,而是遵循 XML 工具调用协议(格式规范定义在 chat_template.jinja 中)。模型每次只输出一个工具调用块,结构是:tool_call 标签内嵌套 function 标签(标签名即工具名),参数以 parameter 标签逐个给出;query、evidences 等结构化参数的内容必须是合法 JSON。以 search 为例(尖括号做了 HTML 转义以便展示):

<tool_call>
  <function=search>
    <parameter=query>
    ["first search query", "second complementary search query"]
    </parameter>
  </function>
</tool_call>

拿到模型输出后的多轮循环流程:

  1. 模型输出一个 tool_call 块(可在调用前输出 think 思考块,调用后不得再写文字);
  2. 执行方运行对应工具,把真实的返回结果用 tool_response 标签包装后,连同模型输出一起追加到消息历史;
  3. 重复 1–2,直到模型调用 finish。

官方示例脚本特意把工具执行留给了调用方,完整说明见 inference/README.md。

最小运行流程:两步跑起一个研究 Agent

第 1 步:部署模型服务(在仓库根目录执行,支持 vLLM、SGLang 等 OpenAI 兼容服务):

vllm serve . \
  --served-model-name AREX-Base \
  --tensor-parallel-size 8 \
  --max-model-len 262144 \
  --reasoning-parser qwen3 \
  --language-model-only

第 2 步:发起一次生成:

export AREX_BASE_URL="http://127.0.0.1:8000/v1"
export AREX_API_KEY="EMPTY"
export AREX_MODEL="AREX-Base"

python inference/inference.py \
  --question "Your BrowseComp question"

脚本返回模型的下一步动作(通常就是第一个 search 调用),之后按上一节的循环继续即可。不想手动拼消息的话,inference/prompts.py 导出的 BROWSECOMP_SYSTEM_PROMPT 已内置全部工具描述,build_messages(question) 一行就能构造好 system/user 消息。

新手避坑清单 📌

  • 每次只调一个工具:finish 与 update_context 必须单独调用,绝不混用;
  • 禁止伪造工具结果:prompt 中明确要求"Never simulate tool outputs",必须真实调用;
  • 不要止步于搜索摘要:关键结论一律 visit 读原文,并记录 url;
  • finish 前先过验证清单:证据不齐、矛盾未解决就继续搜索,而不是硬着头皮收尾;
  • update_context 宁缺毋滥:压缩时保住"事实 + 来源 url + 下一步计划",但别频繁清理;
  • 采样参数照官方来:temperature=1.0、top_p=0.95、top_k=20(见 inference/inference.py),自行调整可能显著影响工具调用稳定性。

总结

AREX-Base 的深度研究能力,就建立在 5 个职责清晰的工具之上:search 与 google_scholar 负责找线索,visit 负责读原文验证,update_context 负责长程记忆管理,finish 负责交付带证据和置信度的答案。理解了这套"搜索 → 验证 → 压缩 → 收尾"的工具循环,你就掌握了复现 AREX 风格深度研究 Agent 的核心。所有工具定义与官方 prompt 均可在 inference/prompts.py 中查阅。

登录后查看全文
AREX-Base