SING：用于大语言模型代理可扩展主动工具发现的合成意图图

随着大语言模型代理依赖的工具生态系统扩展至数千个 API， exhaustive 工具注入成本高昂且受限。现有检索方法难以在长程任务中将孤立工具描述与动态演化的任务意图对齐。本文提出 SING，一种感知意图的主动工具发现框架，通过构建连接用户意图、工具能力及协作模式的意图 - 工具图，根据任务状态动态检索工具。在包含 7471 个工具的真实基准测试中，SING 显著提升了工具召回率与任务成功率，同时大幅减少了工具模式暴露，证明了意图感知图结构在大规模代理生态中的高效性。