arXiv cs.AI· Xiaofan Li, Fengchun Qiao, Xing Gao·· 3 天前AI 评分31
哪些元数据影响 MCP 中的 LLM 工具选择？来自受控因子级干预的证据
Which Metadata Matters for LLM Tool Selection in MCP? Evidence from Controlled Factor-Level Interventions
AI 导读
研究对 367,174 个 MCP 工具的元数据分析发现，功能相似的工具存在显著参数 schema 差异。通过跨 5 个 LLM 和 5 项任务的受控干预实验，参数 schema 变化引发的选择偏移最大且最一致，模型倾向分离的顶层参数而非分组或复合形式；当仅有一个 schema 满足显式请求要求时，全部 5 个模型都选择了兼容工具。
正文 · AI 翻译
摘要：在模型上下文协议（MCP）系统中，LLM 从元数据而非工具实现中选择工具。名称和描述概括了工具的功能，而参数模式则规定了工具接受的字段及其组织方式。我们对 367,174 个 MCP 工具的元数据分析显示，功能相似的工具之间存在显著的参数模式差异。许多此类工具共享相同的名称和相似的描述，但暴露的参数模式却各不相同。这引出了一个关键问题：参数模式的差异能否在任何调用发生之前影响工具选择？我们通过在五个 LLM 和五项任务上进行受控的元数据干预来研究这一问题。每次比较仅改变一个元数据因素（服务器名称、工具名称、描述或参数模式），同时保持其他因素不变。我们平衡工具位置，并使用条件逻辑回归来估计位置调整后的效应。我们发现：（1）在所测试的干预中，参数模式变化产生的选择偏移最大且最一致。模型倾向于偏好独立的顶层参数，而非分组或复合形式。（2）解释参数的描述也倾向于增加选择，而名称效应较弱且不太一致。（3）针对性比较表明，模式效应取决于具体的参数名称以及请求如何表示相同信息。当只有一个模式满足明确的请求要求时，尽管存在位置偏好，所有五个模型都会选择兼容的工具。这些结果表明，参数模式不仅影响工具的调用方式，还影响工具是否被选中。对于 MCP 开发者和评估者而言，模式设计和工具排序因此可能影响哪个实现被调用，即使功能未发生变化。
| 学科： | 人工智能（cs.AI）；计算与语言（cs.CL）；软件工程（cs.SE） |
| 引用为： | arXiv:2610.14334 [cs.AI] |
| （或 arXiv:2610.14334v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14334 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Xiaofan Li [查看电子邮件]
[v1]
2026年10月9日星期五 21:21:16 UTC（420 KB）
来源：arXiv cs.AI · arxiv.org