myWiki/concepts/active-tool-discovery.md

title, created, updated, type, tags, sources

title	created	updated	type	tags	sources
主动工具发现 — Active Tool Discovery	2026-06-19	2026-06-19	concept	tool-discovery llm-agents mcp active-learning paradigm-shift	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 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：结构化请求生成
• hierarchical-semantic-routing：两级精匹配
• iterative-capability-extension：跨域 toolchain

参考

• fei-mcp-zero-2025
• mcp-protocol
• skill-retrieval（类比：skill 检索也是主动选择）