多工具检索结构对比：单次调用完成率不足一成

Shuyang Zhang 等人发表论文，在 AppWorld 的 345 条查询和 MCP-Bench 的 103 个任务（涉及 257 个 MCP 工具）上比较了六类工具检索结构：扁平词法与稠密检索、LLM 查询分解、LLM 导航层级、先服务器后工具匹配、依赖图，以及训练过的集合级检索器。 结果显示，未在测试集上训练、且每查询最多调用一次 LLM 的结构，在 k=16 时完成率均不足 10%。这一结果衡量的是多工具请求下检索结构的完整性与成本，并不代表这些结构在其他设定下的效果。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。