模型没问题。工具规范才是问题。

对一个生产环境形态的智能体进行的评估显示其工具跳过率超过20%。该智能体拥有正确的可用工具，需要它，但却悄无声息地没有调用它。当时大家的本能反应是升级模型。

我们转而重写了工具描述。跳过率大幅下降。

这一发现演变成了一种习惯，进而发展成了工具。工具规范是确定性系统与概率性调用者之间的契约，而大多数规范都是为错误的读者编写的：它们为开发者描述实现，而不是为模型描述决策。“查询内部定价服务v2”对智能体来说毫无意义。“当用户询问某物价格时使用此工具；不要将其用于查询历史价格”则能改变可衡量的行为。

由于这种失败是文本性的，因此可以进行代码检查（lint）。这就催生了 Tool Credit Score，一个确定性代码检查工具，它根据智能体就绪程度对 MCP 工具规范进行 0 到 100 的评分，并自动修复常见错误。刻意为之的确定性：规范审查属于 CI 流程，CI 不应该需要一个大型语言模型来告诉你描述只有三个词长。

完整的方法，包括故障分类（跳过、错误工具、参数格式错误、幻觉参数、过早回答）以及前后对比示例，都可以在工具契约现场指南中找到。