未来AI助手将能无缝整合数百种工具，通过按需调用而非预加载来提升效率，同时结合自然语言与代码执行能力，根据任务需求灵活选择最优方案。

标题：Claude开发者平台推出高级工具使用功能

核心内容：

1. 功能背景

• AI代理的未来需要处理数百甚至数千种工具的无缝协作
• 传统工具调用方式存在三大痛点：
  • 工具定义占用大量上下文空间（可达134K token）
  • 中间结果污染上下文窗口
  • JSON模式无法表达实际使用规范

2. 三大新功能 (1) 工具搜索工具

• 动态按需加载工具定义而非全部预加载
• 示例：将55K token的工具定义降至8.7K
• 准确率提升：Opus 4从49%→74%，Opus 4.5从79.5%→88.1%

(2) 编程式工具调用 - 通过代码编排工具调用流程 - 优势： * 减少37%的token消耗（43,588→27,297） * 支持并行执行 * 知识检索准确率提升25.6%→28.5%

(3) 工具使用示例 - 提供具体调用示例补充JSON模式 - 准确率提升：72%→90%（复杂参数场景）

3. 最佳实践

• 分层使用：根据瓶颈选择对应功能
• 工具搜索：保持3-5个高频工具常驻
• 编程调用：标注清晰的返回格式
• 使用示例：展示1-5个典型调用场景

4. 技术实现

• 通过API标记工具属性实现：
  • deferloading：延迟加载
  • allowedcallers：允许编程调用
  • input_examples：使用示例

5. 应用场景

• Excel处理：无需加载完整电子表格
• 预算审查：自动汇总2000+行消费记录
• 工单系统：规范复杂嵌套参数

6. 获取方式

• 当前处于beta测试阶段
• 需添加特定请求头启用

致谢部分提及了来自Anthropic团队和外部项目的贡献，包括LLMVM、Cloudflare代码模式等启发。

（注：原文中的具体代码示例、图片链接和部分技术细节已精简，保留了核心功能说明和关键数据）

AI工具设计的复杂性与简化之争

观点1：AI工具设计存在复杂性循环
- 评论1指出AI工具设计经历了"复杂→简单→复杂"的循环，从Manus/Devin的复杂框架到简单LLM循环，再到MCP增加功能但消耗上下文，现在又回归复杂工具。
"We seem to be on a cycle of complexity -> simplicity -> complexity"
"I wonder if there will be another round of simplifications"

观点2：工具搜索工具的利弊
- 评论7和19讨论工具搜索工具的价值与问题：可访问数千工具但可能引发工具滥用（如TEO优化），且在准确性和可扩展性间权衡。
"tool makers start to abuse Tool Engine Optimization"
"Seems like we traded scalability for accuracy, then accuracy for scalability"

观点3：程序化工具调用的优势
- 评论9和14高度评价程序化工具调用，认为其是自然演进，优于手动复制数据的LangChain式设计，但需更紧凑的工具定义语言。
"Programmatic tool use feels like the way it always should have worked"
"It is clear we are heading towards code as a language for LLMs"

观点4：上下文管理的改进需求
- 评论4和6批评预加载工具JSON模式浪费上下文窗口，呼吁更高效的管理方法。
"This is such a waste of context window"
"What’s the best way to prevent the input context from compounding?"

观点5：GraphQL的替代方案
- 评论13主张GraphQL优于MCP，因其能最小化数据传输并解决N+1问题。
"I strongly believe it is one of the best technologies for AI agents"
"The agent only receives the minimal amount of data"

观点6：工具设计的根本问题
- 评论17和22质疑当前工具设计的本质，认为应直接调用API或构建有状态的真实工具界面。
"why not just let them call those APIs directly?"
"It feels crazy to me that we are building 'tool search'"

其他观点
- 评论20预测未来网络将变成数十亿工具的集合，由AI动态调用。
- 评论21将工具搜索类比为"工具的RAG"，让LLM专注于核心任务。

（注：所有评论均无评分数据，故未包含认可度信息）