随着 AI 代理对外部工具的依赖日益加深，检索的准确性直接影响系统的可靠性。已有方法主要优化语义相关性，却忽视了工具在实际执行过程中的可用性。为弥补这一缺口，本文提出 RATED（Reliability‑Aware Tool Retrieval via Execution Dynamics），它在语义匹配的基础上加入动态可靠性适配。
RATED 采用冻结的双编码器结构，并通过对比式微调提升语义匹配能力。检索得到的候选工具随后交由轻量级的上下文多臂赌博机模块，根据实时执行反馈进行重新排序，从而在工具失效时实现快速适配，无需昂贵的模型重新训练。
为评估该框架，本文构建了 EcoAgent 基准，收录 5,172 个真实工具和超过 210,000 条查询‑工具对，用于离线检索和动态可靠性测试。实验表明，在真实查询上 RATED 相比 ToolLLM API 检索器提升了 52.2% 的相对 MRR；在 30% 的 API 故障率的严苛场景下，错误选择率从 86.2% 降至 2.9%。与此同时，额外的延迟开销不足 1 ms，几乎与仅编码的推理持平。
代码与数据已开源于 https://github.com/Elliotes/EcoAgent。
点评：RATED 通过将执行时的可靠性信息引入检索循环，实现了在工具失效情况下的即时自适应，展示了在实际部署环境中提升 AI 代理鲁棒性的可行路径。