Tool Forge：用于受控代理执行的验证工具链

大语言模型 代理越来越多地被期望执行操作性工作：调用 API、操作文件、组装工作流以及在企业系统内执行操作。然而，此执行所依赖的工具层仍然通常被视为手写的集成工件或暴露给模型的模式的静态列表。本文介绍了 Tool Forge，这是一种携带验证的工具链，用于将自然语言功能意图转换为受治理、沙箱验证、编目的工具工件，并通过词元高效的路由层将这些工件公开给代理。 Tool Forge 将工具视为一个胶囊，其中包含意图、功能契约、实现、依赖策略、测试、文档、运行时验证证据、生命周期状态、凭证绑定和路由元数据。它还引入了一个路由器，它公开意图范围的工具会话，而不是将完整的目录模式加载到模型上下文中。我们描述了系统架构、验证管道、面向 MCP 的路由模型、治理控制以及来自开源实现的初始可重现基准。在 83 个路由器基准测试案例中，Tool Forge Router 实现了 0.901 的聚合 micro-F1，同时相对于原始完整目录模式暴露，将估计任务流工具上下文减少了 99.2%。在针对本地工具任务的 25 个案例端到端生成探测中，Tool Forge 生成了 25 个工具包中的 25 个，针对确定性验收检查达到了 0.940 的 micro-F1，并通过了 25 个实时沙箱验证中的 23 个。这些结果作为初始系统基准提供，而不是作为最先进的声明。该论文指出了对抗性路由、更广泛的 API 基础、沙箱隔离和跨系统评估方面仍存在的挑战。