🛠️ 工具
"Agent 的手脚与感官"设计指南：从五类工具分类、通用设计原则（ACI）、能力分发生态（MCP 与 Skill Hub）到工具规模化后的发现机制。工具设计决定 Agent 的能力上限。
🎯 核心论点
1
五类工具，两个特征定位——"调用方向（谁发起）+ 作用对象（作用于什么）"：感知/执行/协作由 Agent 主动调用；事件触发与用户沟通依赖异步运行时。
2
ACI 原则——工具应对应 Agent 的目标而非底层 API 操作；默认通用优于专用，仅在安全权限、参数复杂、使用频率极高、平台差异四种情况退回专用工具。
3
工具描述的核心是"什么时候用"——边界条件（做不到什么）往往比能力描述更重要；附 1–5 个真实调用示例可把准确率从约 72% 提升到 90%。
4
参数传递必须保真——模型感知到的世界与工具操作的世界之间不能存在系统性偏差（静默转换、静默注入都是反模式）。
5
两条分发渠道——MCP 协议统一专用工具接入；Skill Hub 用注册表分发 SKILL.md；第三方能力带来投毒、劫持、遮蔽三类风险。
6
工具规模化三台阶——层次化组织与按需加载 → 主动工具发现 → Skills 渐进式披露（"把选哪个工具变成查哪条资料"）。
🗂️ 关键概念卡片
五类工具分类
Agent 能力的五种形态感知/执行/协作/事件触发/用户沟通；前三类主动调用，后两类靠异步运行时
ACI
面向 Agent 的人机交互界面Agent-Computer Interface；工具对应目标而非 API 操作
专用工具 vs Skill
能力表达的两种形态专用：结构化 schema、确定性高、占数百 token；Skill：自然语言文档、目录仅几十 token
工具描述艺术
让模型知道"何时用"写清边界条件与反例，参数给具体示例，附真实调用示例
参数传递保真性
模型所见与工具所做必须一致禁止静默输入转换/静默参数注入，规范化须在描述中显式说明
MCP
模型与工具的统一通信协议Anthropic 2024 发布；客户端-服务器架构，JSON Schema 定义工具，stdio 或 Streamable HTTP 传输
Skill Hub
Skill 的分发注册表一条
npx skills add 命令安装，常驻上下文仅 name+description主动工具发现
Agent 声明缺口、系统动态注入MCP-Zero 两层语义路由，约 2800 工具比全量注入省约 98% token
多模态感知三路径
让 Agent "看懂"非文本数据原生多模态（ViT 编码）最强；提取为文本最省；工具化多模态分析折中
提议者-审核者
独立第二视角审查操作事前审批（异源模型）或事后验证（模态切换），拒绝理由入轨迹
Sidecar 机制
与主思考并行的安全校验轻量 LLM 只看结构化调用字段，门控单次工具调用，数百毫秒完成
🖼️ 原书配图详解
图 4-1
MCP 协议交互时序
时序图：能力发现（server/discover）→ 工具清单（tools/list）→ 工具调用（tools/call）三步往返——演示 MCP 客户端-服务器完整交互流程
图 4-2 层次化工具匹配——"查询 GitHub 贡献者"→ 第一层服务器匹配（相似度 0.92）→ 第二层服务器内工具匹配（list_contributors 0.89）
图 4-3 工具动态加载的 KV Cache 优化——朴素方案每次加载新工具整段缓存失效 vs 优化方案固定前缀 + 工具 schema 追加末尾
图 4-4
动态发现后的上下文结构
静态前缀（系统提示 + 核心工具 + 搜索元工具）+ 轨迹中散落、固定在首现位置的工具 schema——"工具定义不必在最前面"的最终上下文形态
📊 关键案例与数据
| 案例 / 数据 | 要点 |
|---|---|
| Cursor 弯引号事故 | 参数层把中文弯引号转成直引号，old_string 匹配失败——参数保真性反例 |
| 工具定义膨胀 | 仅 5 个 MCP 服务器即可引入数万 token 工具定义，200K 窗口未开对话已占近三成 |
| Anthropic 检索式预筛选 | Opus 4 工具使用基准准确率 49% → 74%；MCP-Zero 在约 2800 个工具上节省约 98% token |
| 工具描述附示例 | 准确率约 72% → 90% |
| Sidecar 审查 | 轻量审查通常在数百毫秒内完成，与主模型流式输出并行 |
💬 金句摘录
工具设计决定 Agent 的能力上限。
模型感知到的世界与工具操作的世界之间，不能存在系统性的偏差。
大多数工具调用失败的根因不是模型不知道工具能做什么，而是不知道工具不能做什么。
形态决定的是每条能力常驻多少 token、参数怎么传、谁能改；披露策略决定的是有多少条同时摆在模型面前。
把"选哪个工具"变成"查哪条资料"。
🧪 配套实验亮点
实验 4-1 active-tool-discovery（★★★）120+ 工具全量注入 vs 主动发现
实验 4-2 perception-tools（★）感知工具 MCP 服务器五类场景
实验 4-3 multimodal-agent（★★）多模态感知三范式对比
实验 4-4/4-5 execution / collaboration（★★）执行安全 + 子 Agent 与 HITL