AgentWeave：推理前先筛工具列表，压低 agent 成本

AgentWeave（arXiv 2608.23078）是一个确定性的推理前路由层：在下游模型不变的前提下，先用资格、需求、能力与路由信号过滤候选工具集，再做 function calling。在 48 个全新 BFCL V4 多函数任务上（冻结的 Hammer2.1-1.5b 模型），它取得 6/48 成功，而全量工具、随机 top-8、语义 top-8 三个基线均为 0/48（McNemar p=0.03125）；同时少暴露 70.18% 的工具、少用 61.70% 的输入 token、平均本地推理延迟降低 50.95%。作者自己将其定位为 BFCL 衍生的路由压力测试，不是榜单结果，绝对成功率仍然很低。

在 agent 动辄面对数百个 MCP 工具的当下，工具目录膨胀是真实的成本项，这里的 token 与延迟削减幅度可观。但结论只能当方向看：48 个任务加一个冻结的 1.5b 模型是压力测试而不是生产证据；更有价值的警示是语义 top-8 的 0/48——基于相似度的工具选择可能本来就是错的默认方案。

方法	确定性推理前过滤：资格、需求、能力、路由四类信号；下游模型不变
结果	BFCL V4 上 6/48 对 0/48（全量工具、随机 top-8、语义 top-8），模型为冻结 Hammer2.1-1.5b；少暴露工具 70.18%、少输入 token 61.70%、平均延迟 -50.95%
统计	McNemar p=0.03125；95% bootstrap CI +4.17 至 +22.92 pp
局限	作者自称是路由压力测试、非官方榜单结果；绝对成功率低；小模型、48 个任务
代码	论文评论区称已开源实现与复现产物（论文页未给直链）
ArXiv	2608.23078，2026-08-24 提交