能力匹配，行为迥异：面向语言智能体的 MCP 与 CLI 接口对照研究

Hugging Face Daily Papers 论文
language-agents mcp cli tool-use agent-behavior benchmark

摘要

该论文提出 MICA 与 DART 框架，研究在可执行能力相同的情况下，MCP 与 CLI 接口表示差异如何显著改变语言智能体的行为，并通过针对性修复接口实现提升性能、降低交互成本。

语言智能体越来越多地通过外部工具和交互环境执行操作，模型与其可执行能力之间的接口也因此成为决策过程的一部分。模型上下文协议（Model Context Protocol，MCP）与命令行界面（CLI）可以用截然不同的面向模型的表示形式来暴露相同的语义操作。本文研究在可执行能力保持一致的情况下，这些表示差异是否会改变智能体的行为。我们提出了匹配接口对照与分析框架（Matched Interface Comparison and Analysis，MICA），它从共享的语义动作契约出发同时渲染 MCP 和 CLI，并将解码出的动作通过同一个运行时执行。在六个模型和三个交互环境中，匹配接口在任务性能和交互成本上产生了显著差异。这些影响不仅体现在表面有效性上，还延伸到语义动作选择、失败路径和恢复行为。匹配状态探针将敏感性定位到能力的呈现方式、实现方式和反馈机制。成对自然轨迹分析显示，2,004 个交互片段中有 94.3% 出现了结构性分歧，且早期差异会在后续交互中持续传播。这一分析将接口实现识别为一个直接的干预边界。因此我们提出解耦动作实现与针对性修复框架（Decoupled Action Realization and Targeted Repair，DART），在保留已验证的语义承诺的同时，修复接口特有的实现细节。在全部六个评测场景中，DART 将基准得分提升最多 9.0 分；在全部三个环境中，它将每任务的 MCP token 成本降低最多 27.1k token。综合来看，这些结果确立了接口表示是塑造智能体行为的闭环决策环境的组成部分。
查看原文
查看缓存全文

缓存时间: 2026/10/30 19:12

论文页面 - 能力相同，行为迥异：面向语言智能体的 MCP 与 CLI 接口对照研究

来源：https://huggingface.co/papers/2610.34298

摘要

尽管可执行能力完全一致，匹配的接口表示仍会显著改变智能体的行为；针对接口特定实现的定向修复能够在降低成本的同时提升性能。

语言智能体越来越多地通过外部工具和交互环境来执行任务，使得模型与可执行能力之间的接口成为决策过程的一部分。Model Context Protocol（https://huggingface.co/papers?q=Model%20Context%20Protocol）（MCP）和命令行界面（CLI（https://huggingface.co/papers?q=CLI））可以通过截然不同的面向模型的表示方式来暴露相同的语义操作。我们研究了在可执行能力完全匹配的前提下，这些表示差异是否会改变智能体的行为。我们提出了匹配接口对照与分析（Matched Interface Comparison and Analysis，MICA（https://huggingface.co/papers?q=MICA）），它从共享的语义动作契约（https://huggingface.co/papers?q=semantic%20action%20contract）生成 MCP 和 CLI（https://huggingface.co/papers?q=CLI）表示，并将解码后的动作路由至同一运行时执行。在六个模型和三个交互环境中，匹配的接口在任务性能和交互成本（https://huggingface.co/papers?q=interaction%20cost）上产生了显著差异。这些影响不仅体现在表层的有效性上，还延伸到语义动作选择、失败路径以及恢复策略。匹配状态探测（https://huggingface.co/papers?q=Matched-state%20probes）将敏感性定位到能力呈现、实现方式和反馈机制上。成对的自然轨迹揭示了在 2,004 个回合中有 94.3% 存在结构性分歧，并且早期差异会在后续交互中持续传播。该分析确定了接口实现是直接的干预边界。因此我们提出了解耦动作实现与定向修复（Decoupled Action Realization and Targeted Repair，DART（https://huggingface.co/papers?q=DART）），在保留已验证的语义承诺的同时修复接口特定的实现。DART（https://huggingface.co/papers?q=DART）在所有六个评测场景中均提升了基准分数，最高提升 9.0 分，并在所有三个环境中将 MCP 的 token 成本降低至每任务最多 27.1k token。这些结果共同确立了接口表示作为塑造智能体行为的闭环决策环境（https://huggingface.co/papers?q=closed-loop%20decision%20environment）组成部分的地位。

查看 arXiv 页面 (https://arxiv.org/abs/2610.34298)　查看 PDF (https://arxiv.org/pdf/2610.34298)　项目页面 (https://modalitydance.github.io/MICA/)　GitHub0 (https://github.com/ModalityDance/MICA)　添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.34298)

引用本文的模型 0

暂无模型关联本文

在模型 README.md 中引用 arxiv.org/abs/2610.34298 即可从本页面链接到该模型。

引用本文的数据集 0

暂无数据集关联本文

在数据集 README.md 中引用 arxiv.org/abs/2610.34298 即可从本页面链接到该数据集。

引用本文的 Spaces 0

暂无 Space 关联本文

在 Space README.md 中引用 arxiv.org/abs/2610.34298 即可从本页面链接到该 Space。

包含本文的合集 1

相似文章

RealCLI：迈向CLI代理人机协作的统一评估

arXiv cs.CL

RealCLI是一个成对基准，统一评估CLI代理的任务执行能力与人机协作质量，采用五维框架，并通过脚本化用户模拟实现渐进式交互。结果显示前沿代理之间能力差距显著：最佳配置平均得分仅为49.2%，协作分数峰值仅为37.6%。

面向基于大语言模型的多智能体系统的能力感知编排

arXiv cs.AI

该论文提出了一种两阶段的能力感知框架，用于大语言模型多智能体系统的自动编排，根据模型在当前查询上的能力动态调整角色激活与通信图，在六个基准上平均达到 93.81%，同时在高能力骨干模型上降低 36.26% 的词元成本。

@akshay_pachaar: MCP 与 CLI 之争。在 2025 年的大部分时间里，AI 工程师们对此争论不休。怀疑论者摆出了真实数据：- Playwright MCP …

X AI KOLs Following

Anthropic 的“代码模式”（Code Mode）重新定义了 MCP 与 CLI 之争。它让 AI 代理编写代码，通过运行时调用工具，而不是将完整的模式加载到上下文中，从而大幅减少了 token 消耗。这种方法结合了 MCP 的强类型契约与懒加载机制，证明了该协议正在演进，而非走向消亡。

RealCLI：迈向面向命令行智能体的人类与智能体协作统一评估

Hugging Face Daily Papers

该论文提出了 REALCLI，这是一个配对基准，用于联合评估 CLI 智能体的任务执行能力和人机协作质量。结果显示，前沿智能体在任务执行方面的得分仅为 49.2%，在联合协作方面的得分仅为 37.6%，在可引导性、信任校准和安全边界管理方面存在显著差距。