标签
该论文提出 BRIA（Branch–Inspect–Adopt）智能体，将候选工具的探索隔离在独立分支中并依据执行证据选择性采纳，从而在大型工具库（1897 个工具）上实现更优的工具检索与使用，在 MCP-Atlas 上比 MCP-Zero 提升 14.37 个百分点。
本文提出 Tracer，一种面向 LLM 智能体的轨迹感知工具检索前端，用 trie 索引历史工具调用序列并结合经验与上下文先验对下一步调用进行排序。在六个环境、四个模型上，它在 24 组对比中 21 组提升了工具选择准确率，同时每步输入 token 减少约 61%–80%。
Lookahead-R 将工具检索重构为受资源约束的序贯决策问题，用轻量级执行感知代理世界模型驱动成本敏感的 MCTS，在 ToolBench 的 I3 分割上取得 91.40% 的 NDCG@5，超过 ToolGen (90.16%)。
Cartograph是一个联邦MCP代理，它通过使用运营商认证的能力卡片和三层分析来增强AI代理的工具发现，从而减少token使用并提升检索准确率。
本文介绍了工具菜单作为执行先验的概念，并提出了State-Path工具菜单框架，通过学习多步任务中工具检索的执行路径来提高在线代理的成功率。
TRACE 引入了一种两阶段课程，用于在企业级大语言模型中保持参数化工具知识，同时实现快速的单束贪婪解码，相比基线提高了准确率和召回率。
ToolSense 是一个开源诊断框架，能够生成三个基准测试（真实检索、多选题探测、问答探测），用于审计大语言模型的参数化工具知识，揭示了知识-检索分离现象：强大的检索性能可能与较差的事实理解共存。
BioManus 是一个 MCP 原生生物医学智能体系统，它采用基于图脚手架的规划方式，对结构化生物学能力进行调度，而非依赖扁平化的基于提示的工具检索，在生物医学基准测试中实现了更优的上下文效率与执行精度。该系统引入了 BioinfoMCP 编译器，用于标准化异构生物信息学工具，并将其组织为类型化异构 MCP 图，以支持可扩展的推理能力。
CoHyDE提出了一种LLM改写器与稠密编码器的迭代协同训练过程，以提升从大型API目录中的工具检索性能。通过使用InfoNCE和DPO联合训练两个组件，它在模糊查询上显著优于单一组件基线。