56 lines
2.0 KiB
Markdown
56 lines
2.0 KiB
Markdown
---
|
||
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）
|