早上打开终端，习惯性敲了个 claude，准备让它帮我写个简单的Python脚本。

突然想起来昨天Claude Code更新了2.1.69版本，说有个叫 Tool Search 的新功能。本着程序员的职业病，我决定先做个“控制变量实验”。

同样一个“hi”，不带任何skills和MCP插件，之前启动要占掉12%的context window，现在只用了3%。

整整4倍的压缩比。

那一刻我的表情：

以前的问题：启动即“满汉全席”

用过Claude Code的同学都知道，这玩意儿强是真强，能吃也是真能吃。

以前的逻辑是这样的：不管你用不用工具，它把所有可用工具的完整定义一股脑全塞进初始prompt里。几十个工具的schema、参数说明、示例，加起来token数相当可观。

这就好比你去餐厅，服务员不问你要什么，直接给你上一整本菜谱，还附带每道菜的食材清单、烹饪方法、厨师照片。你只想点个宫保鸡丁，却被迫读完一本《随园食单》。

结果是：启动时context window就被占掉一大块，真正留给对话和任务的空间反而少了。

新方案：Tool Search = 懒加载

这次更新核心就一句话：按需加载，用的时候再拿。

怎么做的？启动时只注入两个东西：

1. 一个轻量级的 ToolSearch 元工具（负责检索）
2. 所有工具的名字列表（就只是个名字，不带任何描述和schema）

当agent发现用户意图可能需要某个工具时（比如用户说“帮我发个邮件”），它会先通过ToolSearch按关键词搜索，或者直接按名字选取。这时候，被选中的工具定义才会被动态加载进context。

这就像你去图书馆，不再把整个图书馆的书都搬到自己桌上，而是先查目录，找到需要的书，再去书架上取那一本。

技术圈管这个叫 lazy loading，或者“懒加载”。但在AI agent的上下文管理里，这更像是一种 渐进式披露（progressive disclosure）——只在必要时才暴露细节。

为什么这很重要？

Context window是AI的“工作记忆”，非常宝贵。省下来的空间意味着：

能处理更长的对话历史，agent的记忆力更强

能同时使用更多工具，但不会互相挤占

降低token消耗，省钱（对API用户来说直接和账单挂钩）

启动速度变快，用户体验提升

原文里12%降到3%是在“无任何插件”的纯净环境下测的。如果你的项目里配了几十个skills、MCP服务器，这个优化带来的收益会更明显——从可能直接撑爆context window，变成还能游刃有余。

设计思路的来龙去脉

其实这个思路Anthropic去年11月就在博客里预告过（Advanced tool use），核心思想是让模型自己决定什么时候需要什么工具，而不是开发者替它全盘托出。

类似的设计也出现在Cloudflare最近发布的 Code Mode 里（blog）。它们都在做同一件事：把上下文管理从“静态配置”变成“动态调度”。

工程师的视角：这像极了操作系统的内存管理

看到这个设计，我第一反应是——这不就是操作系统的虚拟内存 + 按需分页吗？

以前全量加载所有工具，相当于进程启动时就把所有代码段和数据段都加载进内存。现在只加载工具名称（类似页目录），真正用到时才通过缺页中断把对应的工具定义（页面）调入。

如果工具数量继续增长（比如社区贡献了几百个skills），未来可能还需要“多级页表”——先按类别索引，再按名称索引，最后才加载具体定义。

AI agent的上下文管理，正在走操作系统内存管理的老路。 只不过管理的不再是物理内存，而是token这个更金贵的资源。

对开发者的影响

如果你正在用Claude Code开发复杂的agent应用，这个更新意味着：

• 可以放心配置更多工具，不用担心启动就撑爆上下文
• 可以设计更复杂的工具调用链，因为context里能容纳更多中间结果
• token成本会下降（尤其是在大规模自动化任务中）

但也要注意：Tool Search本身也会消耗一些token（搜索过程），不过相比全量加载，收益远大于开销。

写在最后：AI的“操作系统时代”正在到来

Tool Search只是一个小小的更新，但它透露了一个重要趋势：随着AI agent越来越复杂，上下文管理正在成为一门核心学问。

就像操作系统管理内存、CPU调度、I/O一样，未来的AI平台需要一套完整的资源调度机制，来管理token、工具、记忆、任务优先级。

我们可能正站在一个新时代的起点——AI不再是单个模型，而是一个由无数组件构成的智能操作系统。

而Claude Code这次更新，就像操作系统里第一次引入虚拟内存：当时人们觉得内存够用，后来才发现，没有虚拟内存，就没有现代多任务系统。

同样的，没有Tool Search这类机制，我们也无法想象未来的AI agent能同时调用成百上千个工具，处理横跨数周的任务。

如果你也对AI agent的底层技术感兴趣，欢迎在评论区聊聊你的看法。我自己已经在琢磨怎么利用这个特性，给之前做的那个“wrapper”塞进更多技能了——反正现在，启动时只占3%嘛。