boris tane：在构建智能代理工具时，一个关键挑战是如何高效管理和调用大量工具。Anthropic最新博客验证了我几周以来一直采用的思路：不把所有工具一次性加载进模型上下文，而是设计一个“搜索工具”的工具，让模型按需浏览工具目录，实现“即时工具发现”。
这种方法有几个显著优势：
1. 极大减轻上下文负担，避免信息洪流带来的混乱和效率低下。
2. 只加载真正需要的工具，提升响应质量和精准度。
3. 简化工具版本管理——不需要复杂的版本控制，只需替换或删除工具即可。
我自己在Cloudflare Developers的durable object里实现了这个模式，保持结构简单，效果不错。相比全量加载技能描述，按需加载减少了资源浪费，也更灵活。虽然调用多一步工具会稍有延迟，但高质量答案远比快速但粗糙更有价值。
类似观点也得到同行认可：科学研究中，代理工具超过五个就容易变得混乱，按需发现工具成为解决方案。通过小模型预先拦截请求，动态选取合适工具，也能进一步优化流程。
这个思路并不限于编码场景，任何构建智能代理的人都能借鉴。关键是把每个工具看作故事中的角色，按需激活，讲出精准高效的“微故事”。
原推文：x.com/boristane/status/1985930942850924801
A社博客：www.anthropic.com/engineering/code-execution-with-mcp
这提醒我们，构建智能系统的核心不在于堆积功能，而在于设计优雅的“发现”和“选择”机制，让工具真正为任务服务，而非成为负担。未来智能代理的进化，或许就在于这种“轻量即时”的策略。
