ITCOW牛新网 5月30日消息，科技媒体 marktechpost 于5月29日发布报道称，开源研究机构 Nous Research 已为其开源项目 Hermes Agent 引入了全新的 Tool Search（工具搜索）功能。这项技术旨在解决 AI 智能体在调用外部工具时面临的“MCP 工具税”问题，通过按需加载机制大幅降低了上下文开销并提升了模型决策的准确性。
据ITCOW牛新网了解，所谓的“MCP 工具税”是指在使用模型上下文协议（MCP）时，系统往往会在每一轮对话中将所有已连接服务器的工具定义完整注入大模型的上下文窗口，无论当前任务是否需要这些工具。根据 Anthropic 发布的数据，这种机制导致每回合消耗的 tokens 数量巨大，不仅使得单次会话成本增加，更严重的是，当模型面对数百个不相关的工具选项时，极易出现“决策瘫痪”，导致推理质量明显下降。
为了消除这一痛点，Hermes Agent 的 Tool Search 功能充当了一个可选的渐进式披露层。它不再预先加载所有工具架构，而是将其替换为三个核心的桥接工具：tool_search 负责在目录中检索匹配项，tool_describe 负责动态加载选定工具的完整模式，而 tool_call 则负责最终的工具调用。这种“先找工具、再看参数、最后调用”的分阶段流程，有效避免了无关信息的干扰。
在技术实现上，该功能的检索层采用了经典的 BM25 文本检索算法来匹配工具名、描述与参数名；若未获理想结果，系统还会退回到工具名的字面子串匹配作为降级方案。实测数据显示，这一改进带来了明显的性能飞跃：在 Anthropic 的内部 MCP 评测中，Claude Opus 4 的准确率从 49% 提升至 74%，而 Claude Opus 4.5 的准确率也从 79.5% 提升到了 88.1%。对于开发者而言，只需在 hermes.yaml 配置文件中添加相应内容即可启用这一高效功能。
