大型语言模型（LLM）代理在检索工具时通常只依据请求相似度对每个工具单独打分，这在需要多个工具协同完成的任务中只能找到目标工具，却忽略了工作流所必需的前置工具。LIBRA 将平铺的工具目录转化为可直接执行的工具库。LLM 为每个工具生成调用合同，包括候选参数、可复用的输出、状态变更以及成功判定条件；随后 LIBRA 在沙箱环境中实际运行这些组合，保留在运行时得到验证的关联关系。库在用户查询之前就已构建，无需额外的依赖标注、工具使用轨迹或任务特定的微调，既支持一次性检索，也兼容多轮代理检索。实验在 AppWorld、BFCL 和 SciToolEval 上显示，LIBRA 相比同一密集检索器的单轮召回率和 NDCG 平均提升 7.9% 和 3.7%。在 ToolReAGt 场景下，经过十轮检索后分别提升 4.5 分和 2.9 分。\n\n点评：LIBRA 通过运行时验证把工具之间的前置依赖显式化，显著提升了多工具任务的检索质量，展示了在无需额外标注的前提下利用 LLM 自动构建可执行工具库的可行性。