57 lines
2.1 KiB
Markdown
57 lines
2.1 KiB
Markdown
---
|
||
title: "MCP-Zero: Active Tool Discovery for Autonomous LLM Agents"
|
||
created: 2026-06-19
|
||
updated: 2026-06-19
|
||
type: paper-raw
|
||
source: https://arxiv.org/abs/2506.01056
|
||
arxiv_id: 2506.01056
|
||
version: v4
|
||
---
|
||
|
||
# MCP-Zero: Active Tool Discovery for Autonomous LLM Agents
|
||
|
||
**Authors**: Xiang Fei, Xiawu Zheng*, Hao Feng (Xiamen University, USTC)
|
||
**Published**: 2025-06-01 (v4: 2025-06-24)
|
||
**Venue**: arXiv:2506.01056 (cs.AI, cs.SE)
|
||
**Code**: https://github.com/xfey/MCP-Zero
|
||
|
||
## 核心洞察
|
||
|
||
当前 LLM Agent 的工具使用是**被动的**——将所有 tool schema 注入 system prompt 让模型从中选择。这有两个致命问题：(1) 上下文开销爆炸（GitHub MCP server 一个就需要 4600+ tokens，全生态 248K tokens）；(2) 决策自主权被剥夺——模型从"自主能力构建者"退化为"被动选择器"。
|
||
|
||
MCP-Zero 将范式翻转为**主动工具发现（Active Tool Discovery）**：Agent 自主识别能力缺口，按需生成结构化工具请求，系统匹配并返回。
|
||
|
||
## 三大机制
|
||
|
||
### 1. Active Tool Request
|
||
模型自主生成结构化请求：
|
||
```
|
||
<tool_assistant>
|
||
server: File system allowing file operations
|
||
tool: Read file by filename
|
||
</tool_assistant>
|
||
```
|
||
关键：请求在**工具文档的语义空间**中，语义对齐度高于原始用户查询。
|
||
|
||
### 2. Hierarchical Semantic Routing
|
||
两级粗到细检索：
|
||
- 第一级：server 字段 → 匹配 server 描述（含增强摘要）
|
||
- 第二级：tool 字段 → 在选中的 server 内排序
|
||
- 评分：score = (s_server × s_tool) × max(s_server, s_tool)
|
||
- 复杂度从 O(n) 降至 O(m+k)，m+k ≪ n
|
||
|
||
### 3. Iterative Capability Extension
|
||
支持多轮迭代发现：模型可逐步构建跨域 toolchain（文件→编辑→执行），当前工具不足时可优化请求重新检索。
|
||
|
||
## 关键数据
|
||
|
||
- 数据集 MCP-tools：308 servers, 2,797 tools
|
||
- APIBank 上 token 消耗降低 **98%** 且保持高准确率
|
||
- 在 248.1K tokens 的工具描述空间中精准选择
|
||
|
||
## 理论分析
|
||
|
||
- 主动发现建模为 active learning：r* = arg max I(T*; r|s_t)
|
||
- 注意力分布：被动 O(1/n) ↘ 主动 O(1/k)，k ≪ n
|
||
- 语义对齐优势：cos(e_r, e_t) > cos(e_q, e_t)
|