MCP工具调用新范式:代码模式省70%令牌,决策层反成鸡肋

预注册评估显示代码模式比普通MCP省70-90%令牌,返回形状提示影响巨大,决策层前置未获证实。
一项覆盖12个服务器、多达1958个干扰工具、三个开放权重代理的预注册评估,比较了MCP工具调用的两种范式:代码模式与决策层前置。结果显示,代码模式大幅优于普通MCP,令牌消耗降低70%至90%,同时显著提升效用。研究还发现,在代码模式存根中声明返回形状提示可使弱代理成功率波动高达39.5个百分点,其影响甚至大于添加路由器。核心假设——决策层前置能超越单独代码模式——未获证实:对弱代理仅有微小且不显著的改进,对最强代理反而略增成本。团队开源了评估框架、微调的4B工具选择模型及全部评估轨迹,为社区实验提供基础。
MCP(Model Context Protocol)网关管理着语言模型代理的工具目录,目前主要有两种范式:代码模式(代理针对工具存根编写脚本)和决策层(低成本路由器,预选工具子集)。一项覆盖12个服务器、多达1,958个干扰工具、三个开放权重代理(Qwen、Gemma、Nemotron)的预注册评估,在密封测试集上揭示了这两种方法的成败边界。

代码模式显著优于普通MCP,令牌消耗降低70-90%
评估结果显示,代码模式大幅超越普通MCP,令牌使用量减少了70%到90%,同时显著提升了效用。这意味着在工具调用场景中,让代理直接编写代码来操作工具,远比传统的工具描述匹配更高效。
这一发现对构建本地AI代理的开发者具有直接意义:在资源受限的环境中,代码模式能大幅降低推理成本,同时提高任务完成质量。
MCP(Model Context Protocol) 是由 Anthropic 提出并开源的协议,用于标准化语言模型与外部工具、数据源之间的连接方式。在传统 MCP 范式中,工具以 JSON Schema 描述的形式罗列在系统提示中,代理通过生成结构化的工具调用(如函数名加参数对象)来使用工具。这种方式在工具数量较少时表现良好,但当工具目录扩展到成百上千个时,每个工具的完整描述都会占用上下文窗口,造成大量令牌消耗,同时增加模型选错工具的概率。代码模式则改变了交互形式:代理不再直接输出工具调用,而是针对预先提供的工具存根(stub,即函数签名加简要文档)编写一段代码,由运行时执行该代码来完成工具调用。这样,工具的具体参数和返回处理逻辑都由代码表达,模型只需理解存根签名,从而显著压缩了上下文占用。
返回形状提示:代码模式中的一级变量
研究揭示了一个容易被忽视但影响巨大的因素:在代码模式存根中声明返回形状提示。对于表现较弱的代理,这一操作能使成功率波动高达39.5个百分点,其效果甚至大于添加一个路由器。
返回形状提示让代理提前知道工具返回的数据结构,从而编写更准确的代码。这提示我们,在代码模式中,接口设计的清晰度比额外的路由层更为关键。
返回形状提示(return-shape hints) 是指在代码模式的工具存根中,显式声明工具调用成功后返回数据的结构信息,例如返回对象的字段名、类型、嵌套关系,或返回数组的元素结构。没有这类提示时,代理只能根据工具名称和参数描述推测返回值,容易写出对返回结果做错误假设的代码,例如把对象当数组遍历、访问不存在的字段。对于能力较弱的模型,这种推测错误会直接导致运行时异常或任务失败,因此声明返回形状能大幅降低试错成本。需要注意的是,返回形状提示与 JSON Schema 中的输出模式不同:前者面向代码编写者(代理),以人类可读的注释或类型标注形式呈现;后者通常用于校验运行时输出。研究中观察到的 39.5 个百分点波动,正说明接口信息的完备性对弱模型尤为关键。
决策层前置:假设未获证实,对强代理反而略增成本
研究的核心假设——在代码模式前增加决策层能超越单独的代码模式——并未得到证实。对于较弱的代理,决策层带来了微小的、统计上不显著的改进;而对于最强的代理,反而产生了轻微的成本增加。
这一结果挑战了“更多路由层总是更好”的直觉。决策层的价值可能仅限于特定场景,而非普适的优化手段。
决策层(decision layer) 是一种轻量级路由机制:在代理正式处理任务之前,先由一个小型模型或分类器根据用户请求,从完整工具目录中预选出一个相关工具子集,再将该子集交给下游代理。其设计初衷是缩小搜索空间、降低上下文负担,使代理无需面对全部工具描述。然而,路由本身也需要消耗推理资源,并且可能因误判而排除掉真正有用的工具,形成信息瓶颈。研究中使用的 4B 工具选择模型即属于此类决策层组件。实验结果表明,当代理本身已经采用代码模式、且存根信息足够清晰时,决策层带来的收益有限,对强代理甚至因额外路由开销而略增成本。这提示决策层的适用条件较为苛刻:只有在工具目录极大且代理能力不足以自行筛选时,预选才可能划算。
开源工具与模型,推动社区实验
研究团队公开了评估框架(harness)、一个微调的4B工具选择模型以及所有评估轨迹,以支持社区在本地AI隐私和代理架构方面进行稳健的实验。
这些资源的释放,意味着开发者可以复现实验、验证结论,并在此基础上探索更适合自己场景的MCP工具调用策略。
实践启示
对于正在构建MCP代理的团队,以下建议值得参考:
- 优先采用代码模式:在工具目录庞大时,代码模式能带来显著的令牌节省和效用提升。
- 重视返回形状提示:在工具存根中明确声明返回数据结构,尤其对能力较弱的模型,这能大幅提高成功率。
- 谨慎添加决策层:除非有明确证据表明你的代理需要预选工具,否则决策层可能徒增成本。
- 利用开源资源:借助公开的评估框架和微调模型,快速验证不同架构在你场景下的表现。
这项研究为MCP工具调用的设计提供了数据驱动的指导,也提醒我们:在代理架构中,简洁清晰的接口设计往往比复杂的路由机制更有效。
相关推荐

OpenAI 11月30日关停Agent Builder等三项服务,开发者需紧急迁移
OpenAI 将于 11 月 30 日关停 Agent Builder、evals 仪表盘和可复用提示三项开发者功能,evals 已转为只读。本文梳理受影响范围、OpenAI 官方给出的迁移路径(Agent SDK、PromptFu、自有代码)以及开发者本周应完成的导出与重建动作。

RankSpot:按次付费的SEO与AI搜索执行层,让Agent替你写文、发布、换外链
RankSpot 是面向 AI Agent 的 SEO 与 AI 搜索执行层,通过 MCP 接入 Claude 或 ChatGPT,让 Agent 完成写文、发布和外链获取。按次付费,每篇文章 3 美元,读数据免费,支持 100 多种语言。

Appxiom:给AI编程助手装上生产环境上下文
Appxiom为AI编程Agent提供生产环境上下文,覆盖崩溃、卡顿、内存泄漏与失败的网络调用,支持Android、iOS、Flutter、KMP和Web,并通过Goal Friction Impact按业务目标排序Bug。