用途：该技能用于为 AI 智能体实现工具选择与路由，让智能体在多个工具之间挑选并调用合适的工具。适用场景包括：智能体需要在多个工具间选择、实现 MCP（Model Context Protocol）集成、构建可访问外部 API 的智能体、设计工具降级策略、按成本或性能优化工具使用。
主要能力：提供工具架构（智能体→工具路由器→分类器、能力匹配器、成本/延迟优化器→本地/API/MCP 工具）；定义 Tool 与 ToolResult 接口，含输入输出 Schema、能力与限制、执行函数及成本、延迟、限流、鉴权、批处理等元数据；提供 ToolRegistry 注册表，按能力建立索引并生成供 LLM 使用的工具描述。
路由策略：一是基于 LLM 的选择，由模型依据工具描述、能力、成本、延迟输出 JSON 决策；二是基于规则的选择，按优先级匹配任务模式（如时效信息走 web_search、计算走 code_interpreter、附件分析走 file_reader）；三是成本优化选择，按预算对成本与延迟加权打分排序。
MCP 集成：通过 MCPToolProvider 连接 stdio、http、websocket 传输的 MCP 服务器，发现并注册工具，工具名以“服务器名:工具名”形式命名；配置示例包含 github、filesystem、database 等 mcpServers 条目，使用 npx 启动并读取环境变量中的令牌。
执行与监控：提供带重试的执行（默认最多 3 次、指数退避、检查限流、区分可重试错误）和降级链执行（依次尝试多个工具，全部失败返回 ALL_TOOLS_FAILED）；ToolMetricsCollector 记录调用次数、成功率、平均延迟、总成本与错误码分布。
最佳实践与限制：工具描述需清晰，粒度适中，优雅处理失败并保留降级方案，监控成本、延迟与错误，对 Schema 做版本管理，遵守外部服务限流，尽量缓存。资料未提供具体安装命令、收费与价格、平台支持范围及实际效果数据。