菜单限制可用操作
工具菜单是代理在执行任务前获得的一组简短、有序的可用操作子集。代理只能调用菜单中的工具。
这意味着，菜单的组成和顺序会影响代理能否完成任务。实用标准是：不仅要检查所需操作是否存在，还要检查为该操作准备数据的工具是否可用。
为什么相关性并不能保证任务执行
多步骤任务需要最终操作，也需要前置工具。这些工具必须按合适的顺序生成必要的输入数据。
按查询相关性进行排序可能会找到最终操作，却漏掉或延后那些不那么明显的数据生成工具。选择标准是：根据菜单是否包含完整的可执行链来评估，而不只是看工具与查询的相似程度。
| 方法 | 考虑因素 | 风险 |
|---|---|---|
| 按相关性排序 | 工具与查询之间的关联 | 必需数据的生成工具可能缺失或排序靠后 |
| 按状态路径选择 | 转换的可执行性和依赖关系的顺序 | 菜单必须考虑状态以及输入与输出之间的联系 |
如何根据状态路径构建菜单
状态路径是从可观察到的查询状态通往预期结果的路线。作者提出的 State-Path Tool Menu 会根据这条路线的可执行性来构建菜单。
该机制包括几个步骤：
- 编码器会考虑从当前状态可用的工具。
- 它会将工具的输出与后续操作的输入关联起来。
- 它会考虑训练路径中反复出现的操作顺序。
- 搜索会选择一个可执行的起始工具、生成缺失数据的工具以及最终操作。
- 重排序会将数据生成工具排在数据使用工具之前。
实用标准是：检查所选菜单是否以可执行的顺序包含起始操作、必要的数据生成工具和最终操作。
ToolBench 上的结果说明了什么
作者报告称，在 ToolBench 上，所提出的菜单将在线执行成功率从 0.737 提高到 0.898。它的表现也优于搜索、重排序、生成和路由基线方法，且未对代理进行任何改动。
在包含 32 个工具时，State-Path 菜单覆盖的完整链条比包含 128 个工具的官方列表更多。对于采用不同能力模型的执行器系列，成功率的提升也依然存在。
这些结果针对作者在 ToolBench 上的评估。解读标准是：根据在线执行成功率和完整链条覆盖率比较方法，而不要将结果仅归因于菜单规模。
如何选择菜单构建方法
对于操作之间存在依赖关系的任务，仅搜索相关工具并不足够。菜单必须包含能够生成缺失输入数据的工具，并将它们排在使用这些数据的操作之前。
比较不同方法时，请检查以下三个属性：
- 可执行性： 起始操作是否可从当前状态调用。
- 完整性： 数据生成工具和最终操作是否都已包含。
- 顺序： 数据生成工具是否排在数据使用工具之前。
评估结果时，请使用在线执行成功率和完整链条覆盖率。这样的标准不仅能反映工具与查询的匹配程度，还能反映代理是否能够走完通往结果的路径。
来源
文章《The Menu Is an Execution Prior: State-Path Tool Menus for Online Agents》，arXiv:2609.09395。作者称该论文已被 EMNLP 2026 Main 接收；所述提交日期为 2026 年 9 月 8 日。
