TSO 工具选择优化：接入、检索与选用｜LS-Labs（AI 搜索与数字营销实验室）

01

TSO 阅读指南

从工具选择流程开始，延伸到接入协议、搜索界面与应用案例。

延伸术语：工具元数据、工具描述、候选召回、TCC。

延伸阅读：用 TCC 检查工具定义；AI 智能体的工具选择机制。

02

TSO 的四个环节

TSO 把智能体选工具的过程拆成四段：工具接入、候选曝光、模型选择、调用与执行。工具没被用上时，可能根本没进候选清单，也可能进了清单却输给别人；四段拆开，才分得清问题在曝光、选择还是执行。

01
工具接入 Integration
它有没有接进智能体能用的系统？
以 MCP 为例，工具定义包含名称、描述与输入参数。模型看的是这些元数据，不是你的程序写得多好。
02
候选曝光 Exposure
它有没有被载入，让模型看到？
采用工具搜索的系统，会先检索候选，再载入部分工具定义。以 Anthropic 的工具搜索为例，标记为延后载入的工具要等 Claude 搜索到才会出现。没被载入的工具，后面的选择根本轮不到它。
03
模型选择 Selection
候选工具里，模型为什么选它？
模型在已载入的工具中挑一个。用户需求与工具描述的语义有多接近，会直接影响选择。BiasBusters 研究就发现，小幅改动工具描述也可能明显改变结果。
04
调用与执行 Execution
被选中之后，真的做完了吗？
模型决定工具与参数后，由客户端以 MCP 的 tools/call 等方式送出调用。接着要检查参数、返回结果与执行错误，不能把“有调用”当成“已完成”。

套回预订的例子

假设餐厅的预订 API 已接进某个智能体，用户说要预订，它却没被调用。若它不在搜索返回的候选工具里，问题出在候选曝光；若在清单上却输给另一个预订工具，要看模型选择；若被选中但日期参数填错，就是调用与执行出了状况。

“被找到”和“被选中”要分开处理。Microsoft Foundry 可以替每个工具设定只给搜索用的文字；这段文字会被索引，模型读不到。模型挑工具时看的，仍是名称、描述与参数。

03

预订需求下的三种工具状态

同一个预订需求下，预订工具可能没被载入、能力与任务对不上，也可能符合任务。切换下面三个状态，看每个状态该怎么检查。

用户问“今晚 19:00，帮两位找一家餐厅并预订。”

选一个状态没进候选能力不符符合任务

已接入的预订工具没有进入候选清单

本次载入餐厅搜索可见

本次载入地图查询可见

已接入但未载入预订工具缺席

怎么检查先看这次载入了哪些工具。预订工具没进候选，后面的选择与调用都不用谈。

下一步：能力不符 →

搜索餐厅的工具没有预订能力

任务需要查空位，并建立预订

工具能做搜索名称、地址与介绍

能力缺口：查空位、建立预订

怎么检查预订要查空位、建立记录。工具描述只写搜索名称与地址，模型就不知道它能预订。

下一步：符合任务 →

工具能力与预订参数相符

候选能力查询空位、建立预订

日期今晚
时间 19:00
人数两位

怎么检查查空位、建立预订，加上日期、时间与人数，模型才能把用户需求转成一次工具调用。

工具定义该怎么写？看三张图 ↓

04

智能体怎么筛选工具

采用工具搜索的系统，会先检索候选工具，再交给模型选择与调用。下图用 12 → 3 → 1 的教学设定说明筛选过程；实际候选数与流程依系统而异。

选一张图解两阶段检索三个失败断点工具定义对照

已接入的工具只有一部分进入模型视野

“帮我订周六晚上七点，四个人的堂食座位。”

12个工具已接入的工具库

餐厅搜索
地图
评论
查询空位
支付
建立预订
日历
天气
查询预订状态
外送
邮件
翻译

01候选检索比对名称、描述与能力

3个进入模型视野载入工具定义

查询空位
建立预订
查询预订状态

02模型决策依任务挑工具

1个被选中送出工具调用

查询空位

周六・19:00・4 人

第一道门

检索出哪些候选工具

工具名称、描述与参数信息，让检索器找到与需求相关的候选。

第二道门

挑出能完成任务的工具

模型读取候选的完整定义，比较查空位、建立预订与必要参数。

延伸：Anthropic 的工具搜索流程、ToolLLM 的 API 检索器。

没订到位的三个可能断点

“帮四个人订周六晚上七点的堂食座位。”

01
检索断点
工具有进入候选吗？

service_v2“提供餐饮数字转型服务”

只看这段名称与描述，找不到“餐厅堂食预订”的具体能力。

检查工具索引补上餐厅、空位与建立预订等任务用语。
02
选择断点
候选之间分得清楚吗？

外送点餐／堂食预订

两个工具都写“火锅预订”，使用方式却完全不同。

检查能力描述写明现场座位、外送或自取，让选择有依据。
03
调用断点
参数符合工具要求吗？

"晚上七点"→"19:00"

工具选对了，时间字段仍需要符合服务器接受的格式。

检查参数与返回标明时间格式、必填字段，并核对调用结果。

对照 MCP 的工具定义、调用与返回结构，逐段找到失败的位置。

工具名称、描述与参数的写法对照

名称说动作，描述说能力，参数说格式。

信息太模糊

name: restaurant_helper_api
description: 全方位餐饮体验，轻松搞定用餐大小事。
参数: date、num

日期是哪一天？人数包含谁？会查空位，还是会直接建立预订？

动作与输入都明确

name: search_restaurant_tables
description: 查询指定日期、时段与人数的空位，返回可订时段、座位区与预订条件。建立预订使用 create_table_reservation。
参数: restaurant、date、time、party_size、area

查空位与建立预订各有明确入口，模型可以按任务选择。

展开完整的输入参数结构

{
  "type": "object",
  "properties": {
    "restaurant": { "type": "string", "description": "餐厅名称或分店" },
    "date": {
      "type": "string", "format": "date",
      "description": "用餐日期，YYYY-MM-DD"
    },
    "time": {
      "type": "string",
      "description": "用餐时段，24 小时制 HH:MM"
    },
    "party_size": {
      "type": "integer", "minimum": 1,
      "description": "用餐人数，含儿童"
    },
    "area": {
      "type": "string",
      "description": "偏好座位区，例如堂食或户外"
    }
  },
  "required": ["restaurant", "date", "time", "party_size"],
  "additionalProperties": false
}

参考：MCP Tools 规格。

05

常见问题

TSO 是谁提出的？

TSO 是 LS-Labs 提出的操作框架，用来拆解 AI 智能体为什么选用或没选用某个工具。它把问题分成四段，避免把所有失败都归因给模型。

TSO 和 GEO 差在哪？

GEO 看 AI 回答里提到谁、引用谁；TSO 看智能体动手执行任务时，调用了谁的工具、API 或 MCP 服务器。

产品还没有 API 或 MCP 服务器，需要关心 TSO 吗？

要。还没有 API 时，第一段“工具接入”就是起点。网站本身能不能让智能体读懂、操作，则属于 AX 的范围。先从一个最常发生的任务开始，不必一次把整套系统做完。

做了 MCP 服务器，智能体就会用我的工具吗？

不一定。接上 MCP 只完成第一段“工具接入”；工具还要被载入候选清单，模型看得到它，并觉得它适合眼前的任务，才会选用。以 Anthropic 的工具搜索为例，标记为延后载入的工具要等 Claude 搜索到才会出现。

工具的名称、描述与参数该怎么写？

名称说动作，描述说能力，参数说格式。例如把“查空位”与“建立预订”拆成两个工具，各自写清楚能做什么，并标明时间格式与必填字段。可对照 MCP 的 Tools 规格。

候选曝光是什么？

在采用工具搜索的系统里，工具被检索并载入模型视野的过程，就是候选曝光。没被载入的工具，后面的选择轮不到它。

工具被选中了，就代表任务完成了吗？

不是。被选中之后，还要检查调用的参数、返回结果与执行错误，不能把“有调用”当成“已完成”。

品牌常出现在 AI 回答里，智能体就会选用它的工具吗？

智能体还会依任务挑选当下可用的工具。GEO 看 AI 回答中的提及与引用，TSO 接着看工具是否被载入、是否适合任务，以及模型最后选了谁。

06

四个研究主题的关系

GEO 看自然回答里的提及与引用，TSO 看智能体选用哪个工具，AX 看任务能不能完成，AI 广告看回答下方的付费版位如何匹配与转化。四者处理相邻的问题，可依内容交叉阅读。

TSO 工具选择优化工具准备好了，
AI 为何没选你？

TSO 阅读指南

AI 为什么选择这个工具？从信息检索理解 TSO

MCP 是什么？

搜索 API 是什么？

Exa 3.0 抢攻 AI 智能体的搜索需求