构建强大的ai代理的关键在于其管理和执行工具（函数调用）的能力。这些工具赋予代理执行各种任务的能力，例如数据抓取、内容总结，甚至复杂的流程自动化。然而，随着ai代理规模和功能的扩张，管理和维护众多工具的难度也随之增加。
本教程将使用Toolhouse SDK演示如何利用预构建工具，并追踪每个工具调用的过程。我们将构建一个简单的界面，用户输入URL和提示，AI代理则使用工具抓取网页并处理数据。
为什么工具管理对AI代理至关重要
工具是AI代理的核心，如同其四肢一般。每个工具都代表着AI执行特定任务的专业技能或功能。
面向用户的AI代理需要胜任各种任务。从零开始编写AI工具以实现API集成或网页抓取逻辑，无异于重复造轮子，并且需要开发团队进行长期维护。
Toolhouse平台有效解决了这些问题。它能够：
提供各种专业的AI工具，涵盖网页抓取、邮件发送、屏幕截图、API集成（例如LinkedIn API用于搜索个人资料）等任务。在Toolhouse应用中追踪AI代理的工具调用情况。通过Toolhouse SDK快速实现强大的AI功能。
这些功能简化了工具管理，让您专注于构建更智能的AI代理，而无需费心于工具的构建和维护。
Toolhouse入门指南
让我们构建一个AI驱动的网络爬虫。它是一个单页面应用，用户输入待抓取的URL和可选提示，AI代理将抓取网页并处理数据。
所需资源：
Node.js (v16或更高版本)OpenAI API密钥Toolhouse API密钥
步骤1：设置React项目
我们将使用React创建一个简单的前端来管理工具调用。确保已安装create-react-app，我们将用它初始化新的React应用。如果未安装，请运行以下命令：
npm install -g create-react-app在终端输入以下命令：
npx create-react-app ai-scraper进入项目目录：
cd ai-scraper项目文件夹结构应如下所示：
启动服务器：
npm start应用应在localhost:3000启动：
步骤2：安装Toolhouse和OpenAI SDK
这些SDK将使我们的应用与Toolhouse平台和OpenAI模型交互：
npm install @toolhouseai/sdk openai步骤3：添加API密钥
在ai-scraper项目文件夹中创建一个.env文件，并添加以下API密钥：
REACT_APP_TOOLHOUSE_API_KEY=your_toolhouse_api_keyREACT_APP_OPENAI_API_KEY=your_openai_api_key您可以在platform.openai.com/api-keys找到OpenAI API密钥。将your_openai_api_key替换为您的实际密钥。
要获取Toolhouse API密钥，请先在toolhouse.ai注册一个帐户。
注册后，访问API密钥页面：
点击眼睛图标显示您的API密钥，复制并粘贴到.env文件的your_toolhouse_api_key处。
AppMall应用商店
AI应用商店，提供即时交付、按需付费的人工智能应用服务
56 查看详情
步骤4：在Toolhouse中创建和设置Bundle
您的Toolhouse仪表板应如下所示：
点击左侧菜单中的“Bundles”创建新的Bundle。Bundle用于组织AI工具。
创建后，您可以添加不同的预制工具到Bundle中：
启用Tavily Web Search工具将其添加到您的Bundle：
步骤5：构建App.js组件
在src文件夹中的App.js文件（或App.ts）中替换代码：
import React, { useState } from "react";import { Toolhouse } from "@toolhouseai/sdk";import OpenAI from "openai";import "./App.css";const model = "gpt-4o-mini";function App() { const [url, setUrl] = useState(""); const [prompt, setPrompt] = useState(""); const [result, setResult] = useState(""); const [isLoading, setIsLoading] = useState(false); const [error, setError] = useState(""); const handleSubmit = async (e) => { e.preventDefault(); setIsLoading(true); setError(""); setResult(""); try { const toolhouse = new Toolhouse({ apiKey: process.env.REACT_APP_TOOLHOUSE_API_KEY, metadata: { id: "user_id", timezone: "0", }, }); const client = new OpenAI({ apiKey: process.env.REACT_APP_OPENAI_API_KEY, dangerouslyAllowBrowser: true, }); const messages = [ { role: "user", content: `get the contents of ${url} and ${prompt}`, }, ]; const tools = await toolhouse.getTools(); const chatCompletion = await client.chat.completions.create({ messages, model: model, tools, }); const openaiMessage = await toolhouse.runTools(chatCompletion); const newMessages = [...messages, ...openaiMessage]; const chatCompleted = await client.chat.completions.create({ messages: newMessages, model: model, tools, }); setResult(chatCompleted?.choices[0]?.message?.content); } catch (err) { console.error("Error occurred:", err); setError( `An error occurred while processing your request. ${ err.message || JSON.stringify(err) }` ); } finally { setIsLoading(false); } }; return ( AI Scraper with Toolhouse
setUrl(e.target.value)} placeholder="https://example.com" required />