AI智能体工具发现大提速：374个定义缩成3个，令牌消耗从4.2万降到475！
Cartograph: Federated Tool Discovery with Operator-Attested Retrieval for AI Agents
📖 AI 总结
本文提出 Cartograph，一种面向 AI 智能体的联邦式 MCP 代理，旨在解决工具目录规模扩大后全量加载工具定义开销过高的问题。其核心思路是将智能体可见的工具发现从 O(n) 的目录遍历转变为 O(k) 的渐进式披露，具体结合三种机制：由部署运营方控制并签名的能力卡片、名为 Rift 的三层易混淆聚类分析，以及先排序服务器再排序工具的两阶段检索。在包含 22 个服务器、374 个工具的部署中，Cartograph 仅暴露三个代理工具而非全部定义；在 49 条查询的基准上取得 0.816 的 R@5，高于 Jaccard 关键词基线的 0.592，且一次 top-5 发现交互仅消耗 475 个 token，而全目录方式需 42,450 个。Rift 识别出 49 个易混淆簇，其中 4 个为高风险。网关实测平均仅增加 5 毫秒延迟。该工作为智能体工具发现提供了可控制、可追溯且低开销的检索方案。
🔑 关键词速览
| Model Context Protocol (MCP) | 一种使AI智能体能够发现和调用外部工具的协议标准。 |
| Federated MCP Proxy | 一种代理架构，将多个MCP服务器联合起来，以渐进方式向智能体暴露工具。 |
| Operator-Attested Capability Cards | 由部署操作员控制并签名的工具描述卡片，确保描述来源可信。 |
| Rift | 一种三层易混淆簇分析机制，用于识别工具描述中容易混淆的簇。 |
| Two-Stage Retrieval | 一种检索策略，先对服务器进行排序，再在服务器内对工具进行排序。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅