LLM工具规划新基准：1665工具极限测试

现有Agent基准如ToolBench、APIBench大多假设工具全集可见，但真实场景里API文档往往分散在数千个端点中，代理必须边检索边规划。PlanBench-XL 把工具可见性压到检索受限，逼代理做"计划-检索-再计划"的循环，这恰好是ReAct、Reflexion等框架在生产环境里表现不稳定的主因。

论文没开源完整代码但公布了任务定义格式，做Tool-Agent infra的团队可以先用它的任务结构跑自己的检索模块，快速定位规划断点在哪一步。如果后续放出交互环境，这个基准很可能成为Agent方向的新标配。