@alex_prompter: 我的智能体每次我给它们更多工具时，它们都变得更笨了。原因是机械性的。你连接的每个 MCP 服务器…

X AI KOLs Timeline 工具
ai-agent tool-selection context-efficiency open-source bm25

摘要

Ratel 是一个开源工具，通过使用 BM25 索引仅加载所需的工具（而不是所有可用工具），将输入令牌减少 79%，并提高了 AI 智能体的工具选择准确性。

我的智能体每次我给它们更多工具时，它们都变得更笨了。 原因是机械性的。 你连接的每个 MCP 服务器都会在每次轮次中将完整的工具列表转储到上下文中，而正确的工具最终被埋没在模型永远不会使用的 100 条描述之下。 Ratel 颠覆了这一点：它位于你的智能体和目录之间，只加载当前轮次所需的内容。 无需嵌入，无需向量数据库，仅需进程内的普通 BM25 索引。 他们的基准测试：在 Sonnet 上使用 180 个工具时，输入令牌减少了 79%。 本地模型的工具选择准确性从 8% 跃升至 77%。 代码库是开源的。 上下文，而非能力，是当前智能体面临的主要问题。
查看原文
查看缓存全文

缓存时间: 2026/07/22 08:28

每次我给智能体添加更多工具，它们反而变得更笨了。

原因很机械。

你连接的每个MCP服务器每轮都会把完整工具列表塞进上下文，正确的工具最终被埋在一百条模型永远不会用到的描述里。

Ratel则反过来：它位于智能体和工具目录之间，只加载当前轮次所需的工具。

无需嵌入向量，无需向量数据库，仅用进程内的纯BM25索引。

他们的基准测试：在180个工具的情况下，Sonnet的输入token减少79%。

本地模型的工具选择准确率从8%跃升至77%。

代码库已开源。

当前智能体的主要问题在于上下文，而非能力。

Ratel (@ratelai): 我们刚刚让智能体运行成本降低7倍

今天我们发布了Ratel

现在你的智能体会加载你拥有的所有工具和技能来完成一个小任务 Ratel只加载该任务所需的部分

看看它是如何工作的 ↓

相似文章

@akshay_pachaar: https://x.com/akshay_pachaar/status/2053166970166772052

X AI KOLs Timeline

The article discusses a shift in AI agent tool usage from the 'MCP vs CLI' debate to 'Code Mode,' where agents write code to dynamically import tools, significantly reducing context window usage. It highlights Anthropic's approach and Cloudflare's implementation, demonstrating a 98.7% reduction in token consumption for specific tasks.