Hermes Agent 加入工具搜索，缓解 MCP 工具占满上下文问题

Hermes Agent 加入工具搜索，“AI 养马”更省 tokens

IT之家 5 月 30 日消息，科技媒体 marktechpost 昨日（5 月 29 日）发布博文，报道称 Nous Research 为开源 Hermes Agent（Hermes 智能体）加入 Tool Search（工具搜索）， 通过按需加载缓解 MCP（模型上下文协议）工具占满上下文的问题。 根据 Anthropic 在 2025 年 11 月发布的报告，在一个包含 5 台 MCP 服务器和 34 个工具的 Hermes 部署显示，平均每回合的提示符大小为 45000 个 tokens，其中大约 22000 个 tokens（约占 50%）仅仅是工具模式的开销。 Anthropic 在今年 4 月发布的论文中，指出在典型多服务器部署环境下，工具注意力（Tool Attention）是衡量“MCP 工具税”消耗的关键，优化前工具定义可消耗 134000 个 tokens，每回合消耗的 tokens 数量为 15000 至 60000 个。 这种“MCP 工具税”导致 2 个问题： 成本：会话开始时的缓存未命中生成每次可能花费 0.07 美元至 0.10 美元。 准确率下降：当模型同时看到数百个不相关的工具选项时，就会出现决策瘫痪。 Hermes Agent 为解决上述问题，引入 Tool Search 功能，是可选渐进式披露层，该模型不会预先加载所有工具架构，而是按需逐轮加载所需内容。 启用 Tool Search 后，模型可见工具数组中的 MCP 工具和插件工具替换为三个桥接工具： tool_search(query, limit?)   — search the deferred-tool catalog tool_describe(name)          — load the full schema for one tool tool_call(name, arguments)   — invoke a deferred tool 其中 tool_search 负责搜索，tool_describe 负责载入完整模式，tool_call 负责调用真实工具。模型先找工具，再看参数，最后调用目标工具。 典型的交互过程如下： Model: tool_search("create a github issue")   → { matches: [{ name: "mcp_github_create_issue", ... }] } Model: tool_describe("mcp_github_create_issue")   → { parameters: { type: "object", properties: { ... } } } Model: tool_call("mcp_github_create_issue", { title: "...", body: "..." })   → { ok: true, issue_number: 42 } 启用该工具后，能有效提升准确率，Anthropic 内部 MCP 评测显示，Claude Opus 4 在启用 Tool Search 后，准确率从 49% 提升到 74%。Claude Opus 4.5 也从 79.5% 提升到 88.1%，无关工具减少后，误选概率随之下降。 检索层使用 BM25（经典文本检索算法），匹配工具名、描述与参数名。若 BM25 没有返回正分结果，系统会退回到工具名的字面子串匹配，避免在所有工具名都含有相同词时出现零分问题。 IT之家附上参考地址 Tool Search Introducing advanced tool use on the Claude Developer Platform Tool Attention Is All You Need: Dynamic Tool Gating and Lazy Schema Loading for Eliminating the MCP/Tools Tax in Scalable Agentic Workflows