之前讲过了怎么给Agent注册工具。但把基础能力跑通之后，很快就会碰到一个棘手的新问题：随着业务迭代，Agent接入的工具会越来越多，如果把全部工具一股脑暴露给大模型，大量无关的JSON Schema会疯狂挤占上下文空间。
我见过有团队一口气接入40个业务工具，包含订单查询、退款、库存、物流、搜索、报表等等。每一次模型推理，都需要完整读取这40套工具的Schema，再从中挑选需要调用的工具。
带来的后果十分明显：Token消耗急剧飙升，成本水涨船高；更麻烦的是工具信息泛滥干扰模型判断，工具选择的准确率不升反降。说白了，信息过载，等同于有效信息被淹没。
工具并不是越多，Agent就越好用。不加筛选地把所有工具全部交给模型，线上很容易踩两个典型大坑：：① 无关工具的 Schema 白白吃掉上下文窗口，长对话更容易触发压缩，精度下降；② 工具太多，模型选错工具的概率上升，生产事故率跟着涨。
AgentScope 的解法分三层：Skill（技能包）+ ToolGroup（工具组）+ reset_tools（元工具）。
第一层：Skill 技能包——SKILL.md 就是一份技能说明书
技能不是工具，模型必须先读指令再干活。一个技能 = 一个目录 + SKILL.md：
<!-- src/main/resources/skills/data-analysis/SKILL.md --> --- name:>
