给 Agent 塞 40 个工具,不如只给 8 个:工具集上限的工程解释
Agent 工具越多能力越强是错觉。工具描述本身吃上下文、干扰选择、放大误调用。本文给出工具数量拐点的判断方法、按场景拆分子 Agent 的策略,以及一个可落地的工具命名规范。
一个反直觉的观察
团队做 Agent 时有个自然冲动:“把公司所有能力都接进来,它就能干所有事。“于是接入了日历、邮件、CRM、Jira、云盘、数据库、工单系统……总共 40 多个工具。
结果很奇怪:接入 5 个工具时,成功率 85%;接入 40 个时,任务完成率掉到 50% 出头,而且失败模式很集中——它选了错的工具,或者在该调用工具时选择了直接回答。
原因一:工具描述是上下文,不是免费的
每个工具的定义(名称、描述、参数 schema)都要进 prompt。一个写得比较认真的工具定义,少说 80–150 token。40 个工具就是 3000–6000 token 的”固定开销”。
这笔账不只算钱:
- 它挤占了检索内容、对话历史、任务说明的空间。
- 它在注意力上是噪声。关键指令埋在一大堆工具名中间,被遵循的概率下降。
- 它让前缀缓存失效的成本变高(你改一个工具描述,整个前缀就废了)。
原因二:工具名和描述之间的”语义近邻”
模型选工具靠的是语义匹配。当你有 search_docs、search_knowledge_base、search_tickets、query_faq 四个工具时,它不是”选错”,而是这四个工具在语义上根本不是可分的。
判断方法:把工具列表拿去问模型”以下两个工具的区别是什么”。它答得含糊,说明你的用户也会含糊。要么合并,要么用强制约束(“查政策用 A,查工单用 B,如果用户没指定,先问”)。
原因三:错误会级联
一个错误调用不只是浪费一次请求。它会污染上下文:工具返回了错的东西,模型基于错的观察继续推理,后面三步都跑偏。工具越多,走错第一步的概率越高,而 Agent 很少”回头”.
拐点在哪
经验上,单 Agent 的活跃工具数在 7–10 个左右是舒适区,超过 15 个开始明显退化。这不是硬性物理规律,取决于:
- 工具是否同质(同质更糟,容易混)
- 任务是否需要多步组合(多步时选错代价更大)
- 模型规模(小模型对工具数量的容忍度更低,建议 5–7 个)
一个测量方法:固定 50 条真实任务,分别用 5 / 10 / 15 / 25 个工具跑,看任务成功率和平均步数。你会看到一条先平后降的曲线,拐点就是你该设的上限。
解法一:按场景拆子 Agent
不要让一个”全能助手”覆盖全部工具。按业务域切:
- 日程 Agent:4 个工具(查空闲、建会议、改会议、发邀请)
- 报告 Agent:5 个工具(查数、拉明细、导出、模板、发送)
- 客服 Agent:6 个工具(查订单、查物流、改地址、退款、转人工、查政策)
主 Agent 只保留 2–3 个”路由工具”(ask_calendar_agent、ask_report_agent),具体能力下放。这样每个子 Agent 的工具集小、语义清晰,主 Agent 也不用背 40 个定义。
代价是跨域任务需要多轮委派,延迟上升。所以划分原则是:按任务频率切,不按系统切。如果你的用户 80% 请求只涉及一个域,这种拆分几乎不增加延迟。
解法二:工具的命名和描述规范
工具定义的写法比数量更影响效果。四条硬规则:
- 名字说清动作和对象:
create_meeting优于calendar,search_tickets优于query。 - 描述第一句写”什么时候用”,而不是”这个工具做什么”。模型是在做选择,不是在读文档。
- 写清不该用的场景:
"不要在用户只是问价格时调用,仅当用户明确要下单时使用。"这一句能消掉大量误调用。 - 参数描述写格式和示例:
date: 日期,格式 YYYY-MM-DD,如 2026-05-01。避免模型自己发明格式。
解法三:动态加载工具
如果确实需要很多能力,用”工具索引”:先给模型一份工具目录(只有名称和一句话描述),它决定需要哪个后再加载完整定义。这本质上是把工具也做成了 RAG。
注意这引入了额外一轮调用,且目录本身也要占上下文。适用于工具数量确实超过 30、且使用频率长尾的场景。多数团队用不上,拆分更快见效。
结论
工具数量不是能力指标。一个 Agent 的能力上限,往往由它最清晰的 8 个工具决定,而不是最模糊的 40 个。 先做减法,把工具集压到 10 个以内、每个定义写清楚,通常比升级模型带来的提升更大。