로컬 환경에서 7B/8B 모델을 도구와 함께 실행할 때, 컨텍스트 내의 50개 이상의 스키마는 어텐션(attention) 성능을 저하시키고 방해 요소 환각(distractor hallucinations)을 유발합니다. 인밴드 프로그레시브 검색(in-band progressive search, tool_search)을 사용하는 것은 전체 추가 LLM 생성 턴(turn)을 소모하며 (+2초), 작은 모델들은 검색 도구를 호출하는 것을 자주 잊거나 발견 루프에 빠지는 경우가 많습니다. tool-prune은 모델이 호출되기 전에 클라이언트에서 사전 실행됩니다: const topTools = await router.filter(userPrompt); 0개의 추가 LLM 왕복 과정 (round-trips)을 거치며, FWHT를 통해 오프라인으로 0.4ms 만에 처리합니다 (순수 JS 및 Python 사용 시 SIMD로 23µs). 프롬프트 토큰은 -92% 감소하며, <1ms 이내의 결정론적(deterministic) 쿼리를 위한 직접 디스패치 옵션을 제공합니다. 플레이그라운드: https://hemanth.github.io/tool-prune/, GitHub: https://github.com/hemanth/tool-prune