当可用工具数量很多时，结构化工具调用如何做工具检索与选择？

1. 基于相似度的工具检索

当工具规模膨胀到数百甚至上千个时，全部塞入上下文既不经济也不利于模型决策。常见做法是用嵌入向量做相似度检索，先筛选出与当前请求最相关的若干工具再传给模型。Anthropic 于 2025 年在 API 中推出 Tool Search 能力，正是面向"成千上万个工具"的生产级部署场景，用于高效筛选工具并降低复杂 Agent 工作流的延迟。

2. 分层与分组暴露

可将工具按业务域分组，先由模型选择领域，再展开该领域下的具体工具；或通过元数据标注工具的能力标签，实现按需暴露，避免噪声干扰。

3. 描述质量的二次优化

检索只解决"该给模型看哪些工具"，而"模型能否选对"仍取决于描述质量。在工具数量多时，更需要为相邻工具写出边界清晰、彼此可区分的描述，减少歧义。