本文提出Tool-to-Agent Retrieval (T2A)方法，将工具和智能体纳入同一向量空间解决检索难题。通过构建二分图和统一编码器，实验显示该方法在LiveMCPBench数据集上最高提升28%召回率，轻量模型也有13%提升。研究表明工具细节补充了智能体语义缺失，分步检索对复杂任务更有效，为扩展大模型多智能体系统提供了新思路。
随着Model Context Protocol（MCP）生态的兴起，一个Assistant背后可能挂着数百个工具/子Agent。
- 把全部工具描述塞进Prompt？→ 4 600+ tokens起步，贵到肉痛。
- 先选Agent再选工具？→ 粗粒度描述经常把“隐藏的宝藏工具”埋没。
- 只拿单工具？→ 多步任务需要的一组工具被活生生拆散。
作者用一张图点破痛点：
图1：传统“仅Agent”检索（左）vs. Tool-to-Agent统一检索（右）
- 核心思想：把“工具”和“Agent”拉进同一个向量空间
Tool-to-Agent Retrieval（T2A）= 统一向量索引 + 元数据跳转
- 建一张二分图：Agent ↔ 拥有的工具
- 用同一套编码器把Agent描述 & 工具描述都embed进去
- 检索时先拿Top-N（工具+Agent），再通过
owner(·)映射回唯一Agent集合 - 最终返回Top-K Agent，即可单步完成“选工具 or 选Agent”决策
算法伪代码一览：
Algorithm 1：Combined Tool–Agent Top-K Retrieval
- 实验设计：8个编码器 × 95条真实任务 × 527个工具
数据集：LiveMCPBench
- 70个MCP Servers，527 tools，95条多轮用户Query
- 每条Query人工标注2.68步、2.82 tools、1.40 Agents
比较基线：
- BM25
- Q.Retrieval（dense）
- ScaleMCP（2025 SOTA）
- MCPZero（2025 SOTA）
评估指标：Recall@K / mAP@K / nDCG@K，K∈{1,5,10}
- 结果速览：指标全面提升，最高+28%
Table 1：LiveMCPBench主指标
再看8种embedding的稳定性：
Table 2：逐模型对比（Recall@5）
- Amazon Titan v2提升最猛：0.66 → 0.85（+28%）
- 即使是轻量All-MiniLM-L6也+13%，说明改进来自框架而非大模型
- 消融洞察：工具级信号到底带来了什么？
- 在Top-5返回里，**39%**直接命中Agent描述，**34%**是通过工具→Agent映射召回
→ 证明“工具细节”确实补足了Agent摘要遗漏的语义 - Step-wise Querying（先分解再逐步检索）比Direct Querying平均再+4–6 pts Recall
→ 复杂任务拆步检索依旧有效
如何学习AI大模型？
如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！
这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！
第一阶段：从大模型系统设计入手，讲解大模型的主要方法；
第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
100套AI大模型商业化落地方案
大模型全套视频教程
200本大模型PDF书籍
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
LLM面试题合集
大模型产品经理资源合集
大模型项目实战合集
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
 i18n国际化语言配置)
