生产级 Agent 如何控制工具与上下文？Postman 的架构经验与企业实施清单
Postman 与 AWS 公开了 Agent Mode 面向全球开发者运行时的工程经验：真正限制生产 Agent 的不只是模型能力，而是工具膨胀、界面状态耦合、上下文噪声、写操作审批和推理成本。对企业而言，可复制的方法是按任务缩小工具集、用结构化查询替代大量单用途读取工具，并为每类实体构建专用上下文。
事实摘要
- Postman 公开案例称，其根 Agent 会从 170 多个工具中筛选约 15 个与当前请求相关的工具，再交给上下文隔离的子 Agent。
- Postman 表示，在其测试中，可见工具数量超过约 40 个后，工具选择错误开始增加；更大或更新的模型能减少但不能消除该问题。
- Agent Mode 在修改应用状态前要求用户批准，并可使用 Amazon Bedrock Guardrails 在内容到达底层模型前脱敏个人身份信息。
- Postman 使用专用上下文处理器，而不是直接序列化界面渲染数据；其 Bedrock 架构还使用地理范围推理配置与分层提示缓存。
向量纪元分析
- 向量纪元判断：企业应把工具目录视为上下文预算的一部分。每个任务只暴露必要工具，能同时降低误调用、提示长度和权限面。
- 向量纪元判断：成熟系统需要为 Agent 提供直接、结构化的数据读取路径；如果 Agent 必须依赖打开标签页或界面状态，自动化会继承大量脆弱假设。
- 实施建议：先对高频任务建立工具白名单、写操作人工确认、上下文来源清单、个人信息处理规则和缓存指标，再用真实任务统计选择错误、完成率、延迟和成本。公开案例不保证其他企业获得同等效果。
以上为文章中的企业影响判断与实施建议，应用到具体项目时仍需结合现场条件验证。