---
title: "迭代能力扩展 — Iterative Capability Extension"
created: 2026-06-19
updated: 2026-06-19
type: concept
tags: [tool-discovery, iterative, toolchain, mcp-zero, multi-turn]
sources:
  - https://arxiv.org/abs/2506.01056
---

# 迭代能力扩展（Iterative Capability Extension）

## 定义

Iterative Capability Extension 是 MCP-Zero 的多轮工具发现机制：Agent 在任务执行过程中**逐步发现和集成工具**，动态构建跨域 toolchain，而非一次性预加载全部工具。

## 工作流

```
Task: "Debug my code: src/train.py"
  │
  ├── 第 1 轮：识别需要读文件 → Request: filesystem.read_file
  │     └→ 获取代码内容
  ├── 第 2 轮：识别需要编辑 → Request: filesystem.edit_file  
  │     └→ 修改代码
  ├── 第 3 轮：识别需要执行 → Request: terminal.run_cmd
  │     └→ 验证修复
  └── 完成
```

每轮仅加载当前需要的工具，而非预先加载 filesystem + code_editor + terminal 的全部 schema。

## 与传统方案的对比

| | 一次性注入 | 检索增强（单轮） | 迭代扩展 |
|---|---|---|---|
| 工具数量 | 全部在 context | 首轮检索 | 按需逐轮 |
| 跨域 | 昂贵（全部预加载） | 受限（基于初始查询） | 天然支持 |
| 容错 | 无 | 检索失败=任务失败 | 可优化请求重试 |

## 容错与自纠正

如果返回的工具不足或不合适，Agent 可以：
1. **优化请求**：重新描述需要什么
2. **重新检索**：触发新一轮匹配
3. **降级**：当确认无合适工具时，退回模型参数知识

## 理论依据

迭代扩展对应信息增益的累积：

```
I_total = Σ I(T*_i; r_i | s_{t_i})
```

每轮请求 r_i 针对当前子任务状态 s_{t_i} 最大化信息增益——而非一次性从初始查询推断全部需求。

## 参考

- [[active-tool-discovery|主动工具发现]]
- [[active-tool-request|Active Tool Request]]
- [[hierarchical-semantic-routing|层次语义路由]]
- [[fei-mcp-zero-2025|MCP-Zero 论文]]