Spring AI推出Tool Search Tool模式，实现动态工具发现：LLM初始仅接收搜索工具，按需查询并加载相关工具定义，在多模型场景下实现34-64%的token节省，同时提升工具选择准确率，支持管理数百个工具而不造成上下文膨胀。

ToolSearchToolCallingAdvisor 扩展了 Spring AI 的 ToolCallingAdvisor，实现动态工具发现。

工具搜索工具流程
1. 索引 (Indexing)：对话开始时，所有已注册的工具都被索引到 ToolIndex 中（但不会发送给 LLM）
2. 初始请求 (Initial Request)：只将工具搜索工具的定义发送给 LLM
3. 发现调用 (Discovery Call)：当 LLM 需要某些能力时，它会调用搜索工具并传入查询
4. 搜索与展开 (Search & Expand)：ToolIndex 找到匹配的工具，并将其定义添加到下一次请求中
5. 工具调用 (Tool Invocation)：此时 LLM 既能看到搜索工具，也能看到已发现工具的定义
6. 工具执行 (Tool Execution)：执行已发现的工具并返回结果
7. 响应 (Response)：LLM 生成最终答案

夏日生活打卡季 探寻人工智能，人与AI全新序章