2.0 KiB
2.0 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 迭代能力扩展 — Iterative Capability Extension | 2026-06-19 | 2026-06-19 | concept |
|
|
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：
- 优化请求：重新描述需要什么
- 重新检索：触发新一轮匹配
- 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。