ToolMenuBench：基准测试可靠高效 LLM Agent 的工具菜单过滤策略

随着工具增强型大语言模型代理在大型工具库中运行，现有评估多关注工具调用的正确性，而忽视了可见工具菜单对可靠性、效率及安全风险的塑造作用。本文提出 ToolMenuBench，用于评估多步 LLM 代理中的工具菜单构建策略。该基准通过变化菜单大小、干扰项类型、状态依赖任务结构及风险暴露度，报告过滤层级与下游代理指标。实验表明，因果最小工具过滤（CMTF）将任务成功率从 32.1% 提升至 85.7%，并减少约 98% 的令牌用量，实现了最佳的综合权衡。