该技能把工具视为确定性系统与非确定性智能体之间的契约，强调工具描述本身就是提示工程，直接影响智能体的调用与推理行为。
用途：在创建智能体新工具、调试工具相关失败或误用、优化现有工具集、从零设计工具 API、评估第三方工具集成、统一代码库工具约定时启用。
主要能力与原则：一是工具描述需回答“做什么、何时用、返回什么”，并给出参数类型、约束与默认值；二是工具名称与参数命名保持一致；三是利用命名空间对工具分组；四是合并原则，即若人类工程师都无法判断某场景该用哪个工具，智能体同样不能，因此倾向单一综合工具而非多个狭窄工具；五是通过响应格式（简洁/详细）平衡完整性与 token 效率；六是错误信息应可操作，帮助智能体恢复。
用法要点：为每个工具编写清晰描述，避免“搜索数据库”这类含糊措辞与 x、val 等神秘参数名；多数应用建议控制在 10–20 个工具，超出则用命名空间分组；使用 MCP 工具时必须用完全限定名，格式为 ServerName:tool_name，如 BigQuery:bigquery_schema、GitHub:create_issue，否则可能报“tool not found”。
适用场景：智能体工具集设计、工具描述优化、工具选择失败排查、生产级工具约定标准化。
限制与权衡：合并并非普适，行为差异大、使用上下文不同或需独立调用的工具应保持分离；架构精简（用通用原语如文件系统、grep、cat 替代专用工具）在数据层文档完善且结构一致时更优，在数据混乱、领域知识专有或需安全约束时可能失效。资料未提供具体收费、价格与平台信息。