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
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:
- 上下文饱和:对话历史过长,逼近 token 上限;
- 焦点丢失:轨迹里混入大量无关数据,推理路径变混乱;
- 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:
- 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); - 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; - 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。