AI 资讯 知识库 智能体生态观察智能体生态观察 · 第 50 篇|工具选择的机制设计:描述、检索与工具过载

智能体生态观察 · 第 50 篇|工具选择的机制设计:描述、检索与工具过载

十道菜的菜单扫一眼就能点,两百道菜的菜单得靠领位员推荐。智能体的工具集正在经历同样的膨胀:接上几个 MCP 服务器,工具轻松过百,把全部定义塞进上下文既贵又选不准。工具选择从「列个清单」变成了一门检索工程——谁来决定模型看得见哪些工具、怎么在相似工具之间不迷路。本篇从过载的代价讲到三种机制,再落到最被低估的那根杠杆:工具描述的写法。好消息是,这门工程门槛不高,收益却立竿见影。

手绘信息图:两百个工具的拥挤菜单分岔出全量塞入、向量检索与两级路由三条路径

工具过载的双重代价

第一重代价是上下文占用。每个工具定义——名称、描述、参数 schema——都要在每次请求里占一份 token,几十个工具尚可忽略,两百个工具的清单轻松吃掉数万 token,还没开始干活就先交了一笔固定的入场费;多轮会话里这笔费用按轮重复支付。有团队做过粗略对比:把不常用的工具挪出清单后,单次请求的输入费用降了一截,而任务质量几乎没有变化——清单里混着的多数工具,本来就是死重量。对托管计费的服务,工具清单本身就是一项显著的固定成本;对本地推理,它挤占的是留给任务材料的有效窗口。

第二重代价更致命:选择准确率随选项数量与相似度下降。工具少时模型几乎是二选一,工具多时相似工具开始互相干扰——两个搜索工具、三个数据库客户端、五个「创建某某」并存,模型选错的概率显著上升。更隐蔽的是「近似可用」:模型选中一个语义接近但粒度错误的工具,调用成功、结果却是错的,错误静默地进入下游。选择准确率的退化不像上下文溢出那样报错,它表现为任务完成率的无声下滑。顺带一提,清单成本对调试也有影响:上下文里塞满工具定义时,人审提示词的难度同步上升,排查选择错误的效率更低。

两重代价叠加出一个反直觉的结论:给模型更多工具,能力反而可能变差。工具集不是越大越好,它是菜单——菜单厚到翻不动,点菜质量就开始崩塌。这也是 MCP 生态普及后工具过载问题集中爆发的背景:协议让接入变容易了,接入容易让过载变成了常态。这笔入场费还有复利效应:工具清单占掉的 token 会挤压任务材料的空间,模型为节省上下文开始偷懒——少读一个文件、少看一条检索结果。一个真实感场景:接入某个代码托管平台的 MCP 后,工具清单暴涨,编码会话的上下文余量骤减,模型开始「凭记忆」改代码而不是先读文件——没人改过任何提示词,质量却肉眼可见地滑落。过载的第一现场常常不在选择环节,而在被挤压的上下文余量里。

过载的账有两页:一页是按轮重复支付的 token 成本,一页是随相似度上升的静默选错率。

三种机制:全量清单、语义检索、两级路由

全量清单是最朴素的机制:所有工具定义随每次请求注入。它的失效模式直白——上下文成本线性增长,选择准确率随清单变长而下滑,工具数上到一两百时多数任务已不可用。它的唯一优势是零基建——不建索引、不维护目录,原型期用它完全合理;问题出在它常被当成稳态架构,而不是过渡方案。语义检索是第一代解法:把工具描述向量化或建索引,按当前任务检索前若干条注入。它省了上下文,却带来语义近似的陷阱——用户「查订单状态」,检索可能召回「修改订单」;「删库」与「备份库」在向量空间里近得危险。检索解决的是「看见」,解决不了「选对」。它还引入了一层新的运维面:索引要随工具增删重建,描述改动后向量要重算——检索管道自己也需要版本管理。

两级路由是当前工程实践里更稳的形态:第一级按目录分类,先让模型或规则确定工具域,比如「这是订单类操作」;第二级在域内精排——域内工具通常十来个,全量注入或精细匹配都不再昂贵。目录层可以是人工维护的分类树、MCP 服务器的天然分组,或标签体系。它的弱点同样存在:目录错则满盘错,跨域任务在第一级就可能切错;目录维护本身是持续成本,工具每新增一批都要归位。目录层的另一个好处常被忽略:它是人类可读的。排查「为什么模型没选这个工具」时,先看它进了哪个目录,比翻几万 token 的清单快得多。

生态动向印证了这场演进。Anthropic 在 2025 年 11 月发布的进阶工具用能力里,工具搜索工具让模型按需发现并加载工具定义、不必预先全量注入,配合程序化工具调用把多工具编排交给代码执行(截至 2026-11 为公开的 beta 路线);同一时期,已有第三方厂商公开质疑纯检索式发现的选错率、主张结构化路由的价值。方向之争尚未定论,但「全量注入是默认」的时代确实结束了。

实践中还长出了混合形态:先检索后路由——用检索缩小候选域,再在域内做结构化选择;或先路由后检索——先按任务分类进入工具域,域内再用语义检索挑具体工具。两条路都在把「语义」限制在它可靠的区间内:跨域的粗判断交给目录与规则,域内的细区分交给语义。判断形态的标准还是那句话——在哪个粒度上语义相似度最不可靠,就把哪个粒度交给结构。

机制 上下文成本 典型失效模式
全量清单 最高,按轮重复支付 清单过长,相似工具误选
语义检索 低,按需注入 语义近似陷阱,跨粒度误召回
两级路由 中,域内注入 目录切错,跨域任务失配

三种机制各有一页失效清单——过载、误召回、错目录;机制选型的本质是选择失败的方式。

工具描述的元问题:一份写给模型的说明书

无论哪种机制,检索与选择的原料都是工具描述本身——这是最被低估的杠杆。名称要可区分:加命名空间前缀避免 search 撞车,动作与对象放进名字里。名字一旦被下游引用就不好再改,起名值得按公共接口的标准对待。描述要回答三个问题:何时用它、何时不该用它、与相邻工具的边界在哪。「搜索订单」不如「按订单号或手机号查询订单的当前状态;只读,不修改任何数据;修改请用 update_order」。参数说明要写类型、约束与示例,枚举字段把合法取值列全——模型对参数的幻觉,大多源于描述里没写清约束。一好一坏两个示例胜过十行形容词:「输入 ORD-12345678,返回状态与金额」这样的示例,直接把格式锚死在模型的注意力里。

描述风格上,示例驱动与规则驱动各有其用:给一两个典型调用示例,写清输入什么、返回什么,比形容词堆砌有效;用「不要用于」声明负面边界,比只写正面功能更能防误选。描述是写给模型看的,不是写给产品文档看的——形容词无用,判据有用;营销语无用,边界声明有用。经验上,把描述认真改写一轮,常常比换模型对选择准确率的提升更大。

工具描述还需要一套维护机制,因为它事实上是代码:改描述等于改行为,值得进版本管理与评审。实践中有效的做法是把描述变更纳入发布流程——改了描述就跑一遍工具选择的回归用例,看选择准确率有没有退化。反面教材同样常见:描述里写满产品话术(「强大的、智能的一站式数据平台」),模型读了等于没读;或两个工具的描述互抄,模型只能靠参数名猜区别。描述的质量下限,就是选择准确率的上限。

{
  "name": "search_orders",
  "description": "按订单号、手机号或时间范围查询订单的当前状态与金额。只读,不修改任何数据。需要修改订单时改用 update_order;需要查库存时改用 inventory_lookup。",
  "input_schema": {
    "type": "object",
    "properties": {
      "order_id": { "type": "string", "description": "形如 ORD-12345678 的订单号,与 phone 二选一" },
      "phone": { "type": "string", "description": "下单手机号,与 order_id 二选一" },
      "status_filter": { "type": "string", "enum": ["paid", "pending", "shipped", "refunded"] }
    },
    "required": ["order_id"]
  }
}

描述是机制的燃料:名称防撞车,边界防误选,示例锚定格式——写好描述是最便宜的准确率投资。

生态观察:MCP 的菜单工程

MCP 的设计天然给两级路由留了位置:服务器就是一级目录,接入时按业务域划分——订单服务器、设计服务器、数据服务器——模型先选服务器再选工具。但实践里不少团队把几十个工具堆进同一个服务器,目录层形同虚设;工具发现机制由此兴起:从服务端声明工具时标记延迟加载,到客户端按会话任务动态挂载子集,再到前述的模型侧工具搜索,菜单正在从「一次性全量上桌」转向「按需上菜」。命名冲突是多服务器接入的第一坑:两个服务器都提供 search,不加前缀的清单里模型根本分不清——命名空间约定因此成了 MCP 生态事实上的礼仪。

flowchart TD
  U["用户任务"] --> R["路由层:确定工具域"]
  X["工具索引:描述与分类"] -.->|"检索候选"| R
  R -->|"订单域"| S1["订单服务器:十余个工具"]
  R -->|"设计域"| S2["设计服务器:十余个工具"]
  S1 --> T["域内精排:注入候选工具定义"]
  S2 --> T
  T --> M["模型调用工具并返回结果"]

按需上菜也不是免费的:工具搜索本身多一轮检索延迟,发现错了还要重找——省下的上下文成本与多出的往返延迟,要按任务的时间敏感度权衡。工具生态的下一个竞争点因此清晰起来:不是更多工具,而是更好的菜单。工具注册与发现的标准化尝试、按描述质量排序的工具市场、面向选择准确率的描述规范——都在把「菜单工程」变成一门显式学科。观察各家动作还能看到一个共同取向:工具质量开始被当作产品力来经营,就像早年应用商店对上架应用的用心程度。

对个人开发者,落地节奏可以是三步:十个以内工具,全量清单加精写描述;三五十个,按域分服务器加目录路由;上百个,上检索或按需加载,并把描述质量纳入例行审计。节奏错了的典型症状是「工具越多越笨」——那是菜单在报警,不是模型在退步。当选择准确率可疑时,先审描述,再怪模型。

工具生态的下限由描述质量决定,上限由菜单机制决定——两者都不由模型决定。

小结

工具选择机制是智能体上下文工程的最后一公里:过载的双重代价要求菜单瘦身,三种机制的失效模式要求按任务形态选型,描述的写法约定则是所有机制的共同地基。生态的走向已经明朗——全量注入退场,按需发现与两级路由登场,描述质量成为新的竞争面。最后值得记住的判断是:这一层的工程难度远低于模型训练,收益却直接落到每一次调用的准确率上,是典型的高杠杆、低成本改进,也因此适合作为团队上下文工程的第一课:便宜、可测、见效快。把菜单做好,模型的选择准确率才会兑现成任务完成率。

读者留言

COMMENTS 暂无
仅本站原创文章开放留言 · 请勿留下手机号、邮箱等个人信息

还没有留言,来说第一句?