20260625:很多新内容

concepts/active-tool-discovery.md

@@ -0,0 +1,55 @@
+---
+title: "主动工具发现 — Active Tool Discovery"
+created: 2026-06-19
+updated: 2026-06-19
+type: concept
+tags: [tool-discovery, llm-agents, mcp, active-learning, paradigm-shift]
+sources:
+  - https://arxiv.org/abs/2506.01056
+---
+
+# 主动工具发现（Active Tool Discovery）
+
+## 定义
+
+Active Tool Discovery 是 [[fei-mcp-zero-2025|MCP-Zero]] 提出的工具选择新范式：**Agent 自主识别能力缺口，按需生成工具请求，由系统匹配返回**——而不是被动接受预注入的全部工具 schema。
+
+## 范式对比
+
+| | 被动注入（Passive Injection） | 检索增强（Retrieval-Augmented） | 主动发现（Active Discovery） |
+|---|---|---|---|
+| 决策主体 | LLM 从全量中选择 | 检索系统预选 | LLM 自主请求 |
+| 上下文 | 全部 tool schema 在 context 中 | 仅相关 tool | 仅请求的 tool |
+| 多轮能力 | 无（一次性注入） | 受限（基于首轮查询） | 天然支持迭代扩展 |
+| 自主性 | 选择器 | 半自主 | 能力构建者 |
+
+## 为什么需要主动发现
+
+三个根本约束：
+
+1. **外部决策权**：被动注入和检索方案将工具选择权交给外部系统，而非 Agent 自身
+2. **语义分布差距**：用户查询和正式 tool spec 在不同的语义空间中——检索精度受损
+3. **静态能力假设**：工具被一次性选定，而非随任务理解深化而迭代发现
+
+## 理论建模
+
+主动发现可建模为 **active learning**：
+
+```
+r* = arg max I(T*; r|s_t)
+   = arg max[H(T*|s_t) - H(T*|r, s_t)]
+```
+
+Agent 生成请求 r 以最大化关于最优工具集 T* 的信息增益。
+
+## 关键机制
+
+- [[active-tool-request|Active Tool Request]]：结构化请求生成
+- [[hierarchical-semantic-routing|层次语义路由]]：两级精匹配
+- [[iterative-capability-extension|迭代能力扩展]]：跨域 toolchain
+
+## 参考
+
+- [[fei-mcp-zero-2025|MCP-Zero 论文]]
+- [[mcp-protocol|MCP 协议]]
+- [[skill-retrieval|Skill 检索]]（类比：skill 检索也是主动选择）