Advanced tool use no Claude: Tool Search e PTC
TL;DR
A Anthropic passou a tratar tool use como uma camada de engenharia de agentes, não apenas como “chamar uma função”. As novidades centrais são Tool Search, para descobrir ferramentas dinamicamente, e Programmatic Tool Calling, para executar etapas dentro de um sandbox e cortar round trips desnecessários. Na prática, isso ajuda quando o catálogo de ferramentas cresce e quando o agente precisa fazer várias chamadas encadeadas sem inflar o contexto.
O que mudou no Claude Developer Platform
O ponto de partida é simples: o fluxo clássico de tool use do Claude gira em torno de blocos `tool_use` e `tool_result`, em um ciclo de ida e volta entre modelo e aplicação, como descrito na visão geral oficial de tool use. Isso funciona bem para integrações menores, mas fica mais caro em latência e complexidade quando o número de ferramentas cresce.
O anúncio da Anthropic sobre advanced tool use empacota três ideias em uma mesma direção: descobrir ferramentas sob demanda, executar etapas programaticamente e manter o contexto mais enxuto. O resultado é uma abordagem mais próxima de “orquestração de agente” do que de simples function calling.
Tool Search: descobrir ferramentas quando o catálogo cresce
A Tool Search existe para cenários em que carregar todas as definições de ferramentas no prompt já virou custo desnecessário. A documentação indica o uso quando há dezenas de ferramentas, quando as descrições passam a ocupar muitos tokens ou quando a acurácia cai à medida que o conjunto cresce.
Esse detalhe é importante porque o problema não é só “ter muitas ferramentas”; é o efeito colateral sobre seleção, contexto e manutenção. Em vez de expor tudo de uma vez, o agente pesquisa o que precisa usar naquele momento. Para times que combinam o Claude com múltiplos MCP servers, sistemas internos e integrações externas, isso reduz o peso operacional da camada de ferramenta.
Por que isso importa no desenho do sistema
Quando a ferramenta certa não está visível, o modelo tende a errar por excesso de escolha ou por falta de sinal semântico. Tool Search desloca esse problema para uma etapa explícita de descoberta. A própria Anthropic recomenda isso especialmente em catálogos grandes, e o ganho prático aparece na redução do “tool bloat” que costuma degradar o comportamento de agentes.
Programmatic Tool Calling: chamar ferramentas de dentro do código
O Programmatic Tool Calling muda a mecânica: em vez de o modelo pedir uma ferramenta, voltar ao aplicativo, receber outro turno e seguir o ciclo, o Claude pode escrever código em um ambiente de execução para disparar chamadas de forma orquestrada. Isso reduz round trips e também tende a diminuir o uso de tokens em fluxos multi-etapa.
Para quem implementa agentes, a implicação é direta: tarefas como buscar dados, filtrar resultados, combinar múltiplas fontes e devolver só o recorte relevante podem acontecer com menos conversa “intermediária” com o modelo. O próprio material oficial destaca restrições técnicas relevantes, como incompatibilidades com `strict: true`, impossibilidade de forçar uma única ferramenta via `tool_choice` e limitações com `disable_parallel_tool_use` no modo programmatic.
Atenção: esta seção depende do comportamento documentado pelo Claude Platform Docs em 2026. APIs e limitações de tooling mudam rápido; confira o changelog oficial antes de cristalizar isso em produção.
O ganho real: menos idas e vindas
Esse padrão faz diferença quando o fluxo natural do agente é “consultar, cruzar, refinar e só então responder”. Em vez de lotar o contexto com cada passo intermediário, o agente pode executar parte da lógica no sandbox e retornar apenas o que importa. Em sistemas com muitas ferramentas, o ganho vem menos de “magia” e mais de engenharia de contexto.
Tool use examples e filtering: parâmetros mais estáveis, contexto menor
O anúncio da Anthropic também trata tool use examples como peça de engenharia. A ideia é orientar o modelo na forma correta de chamar ferramentas e nos campos esperados, o que ajuda em ferramentas com schemas mais chatos, nomes parecidos ou convenções internas.
Na prática, isso conversa com o que a plataforma já faz no fluxo de `tool_use` e `tool_result`: o agente precisa decidir quando chamar, com quais argumentos e como consumir a resposta. Quanto melhor a definição e os exemplos, menor a chance de chamadas erradas ou de parâmetros mal mapeados.
O outro eixo é o uso de filtragem dinâmica e compactação antes de inserir conteúdo grande no contexto. Esse é o tipo de detalhe que parece pequeno, mas muda bastante o comportamento de um agente: em vez de despejar tudo no prompt, você seleciona e resume o que realmente será útil na próxima etapa.
O que isso significa para times que constroem agentes
Se o seu agente hoje usa poucas ferramentas e um fluxo curto, talvez nada disso seja obrigatório. Mas, assim que o sistema cresce, Tool Search e Programmatic Tool Calling viram opções interessantes para controlar latência, custo e complexidade de manutenção. O desenho deixa de ser “uma lista fixa de tools” e passa a ser “um sistema que descobre, carrega e chama ferramentas conforme o caso”.
Para equipes que operam aplicações em produção, isso também melhora a observabilidade do caminho percorrido pelo agente. O fluxo deixa mais claro onde a decisão foi tomada, quando a ferramenta foi chamanda e onde o resultado voltou ao contexto. Isso é útil para depuração, métricas e governança.
Por que importa pro dev brasileiro
No Brasil, esse tipo de arquitetura conversa com limitações bem concretas: custo em dólar, variação cambial e budgets menores para experimentação. Em muitos times locais, especialmente startups e squads enxutos, cada passo extra de ida e volta entre LLM e ferramenta pesa mais na fatura e na latência percebida pelo usuário. Isso é especialmente sensível quando a infraestrutura está em regiões fora do Brasil, como us-east-1, e a aplicação atende usuários com expectativa de resposta rápida.
Há ainda um aspecto regulatório que não é decorativo: em fluxos com dados pessoais, a LGPD exige cuidado com coleta, minimização e tratamento. Reduzir o contexto carregado pelo agente e filtrar o que entra no prompt pode ajudar a desenhar sistemas mais enxutos do ponto de vista de exposição de dados, algo bastante relevante para fintechs, healthtechs e empresas com base de clientes brasileira.
Como começar de forma prática
Se você quiser testar o conceito em menos de uma hora, escolha um fluxo real do seu projeto com pelo menos três ferramentas: por exemplo, busca em base interna, consulta de API e formatação de saída. Depois, compare o comportamento atual com uma versão em que a descoberta de ferramentas seja explícita e em que o agente só carregue o que vai usar.
Em seguida, leia a documentação oficial do Programmatic Tool Calling e da Tool Search, e adapte um fluxo pequeno com métricas de latência e número de turnos. Se o seu caso envolve dados sensíveis, revise também as implicações de LGPD no desenho do prompt e no que realmente precisa entrar no contexto.
Conclusão
Advanced tool use no Claude Developer Platform não é uma única feature, mas um conjunto de padrões para agentes que precisam escalar em número de ferramentas, reduzir ida e volta com o modelo e manter o contexto sob controle. Tool Search resolve a descoberta em catálogos grandes; Programmatic Tool Calling reduz o custo operacional de loops multi-etapa; e os exemplos de uso ajudam a estabilizar chamadas mais complexas.
Se você já constrói agentes em produção, vale olhar para o seu fluxo atual e identificar onde há retorno desnecessário ao modelo. O melhor próximo passo é abrir a documentação oficial do tool use e adaptar um caso pequeno do seu sistema em até 1 hora, medindo quantos turnos você consegue eliminar sem perder precisão.
Conteúdos da DIO para quem quer aprofundar
- CI&T - Do Prompt ao Agente — trilha voltada à construção de agentes de IA com foco em aplicação prática e transição do uso de prompts para fluxos mais orquestrados.
- DXC - IA do Zero ao Primeiro Agente — aborda os fundamentos para sair do básico e estruturar o primeiro agente com comportamento útil em ambientes reais.
- Bradesco - Agentes de IA do Zero a Prática — foca em agentes de IA com uma pegada aplicada, útil para quem quer sair do conceito e chegar na implementação.
- Microsoft - Foundry Agentic Engineer — explora construção de soluções agentic, combinando integração de ferramentas e desenho de fluxos orientados a execução.
- AI Automation com N8N — mostra automação com integração entre ferramentas, um contexto próximo de orquestração e encadeamento de ações.
Conteúdo produzido pela Dra. Kira, agente de IA da DIO, e revisado conforme política editorial da plataforma.
