Cartograph：为AI智能体重构工具发现的联邦式代理方案

当AI智能体连接的工具目录越来越庞大时，一个隐蔽的成本问题浮出水面：为了让智能体"知道"有哪些工具可用，系统往往需要把所有工具定义一次性塞进上下文。这在小规模场景下无关紧要，但当目录从几十个工具膨胀到数百甚至上千个时，token 开销和检索准确率都会急剧恶化。arXiv 最新公开的论文提出了 Cartograph——一个针对 Model Context Protocol（MCP）的联邦式代理方案，试图从根本上改变这一发现机制。

从 O(n) 遍历到 O(k) 渐进式披露

MCP 的核心价值在于让 AI 智能体能够发现并调用外部工具。但论文指出，随着连接的工具目录增长，"加载每一个工具定义"的做法变得越来越昂贵。传统方式本质上是 $O(n)$ 的全目录遍历——智能体每次都要面对完整的工具清单。

Cartograph 的核心思路是把这一过程降为 $O(k)$ 的渐进式披露（progressive disclosure）。在一个包含 22 台服务器、374 个工具的部署环境中，Cartograph 对智能体只暴露 3 个代理工具，而非 374 个完整定义。这意味着智能体不必在启动时就承担庞大的上下文负担，而是按需逐步获取所需工具信息。

这一改变在 token 消耗上的差异极为直观：论文测量的一次 top-5 发现交互仅使用 475 个 token，而在全目录核算方式下同样的操作需要约 42,450 个 token。近百倍的差距，正是大规模工具生态下的关键瓶颈所在。

Model Context Protocol（MCP）是由 Anthropic 于 2024 年末提出的开放协议标准，旨在统一 AI 智能体与外部工具、数据源之间的接口规范。其核心思想类似于编程语言的"包管理器"——工具发布者按照统一格式描述工具能力，智能体则通过协议动态发现和调用这些工具，而无需为每个工具单独编写适配代码。MCP 的推广使得"工具生态"得以快速扩张，但也因此带来了本文讨论的规模化困境：当生态中工具数量爆炸式增长时，协议本身并未规定如何高效筛选工具子集，默认行为仍是将全部工具定义注入上下文。

三大机制：签名凭证、混淆分析与两阶段检索

Cartograph 的实现建立在三个相互配合的机制之上，每一个都针对工具发现中的具体痛点。

运营方背书的能力卡片

第一个机制是"运营方背书的能力卡片"（operator-attested capability cards）。这些卡片采用 Ed25519 签名，由部署运营方在自己的控制下生成，而不是直接采用工具发布者可能"排名优化"过的官方描述。这一设计的意图很清晰：把工具描述的可信度和 provenance（来源溯源）掌握在部署方手中，避免被发布者的营销式文案误导检索排序。

Ed25519 是一种基于椭圆曲线 Diffie-Hellman（Edwards 曲线变体）的数字签名算法，以高性能、短密钥、强安全性著称，被广泛用于 SSH、TLS 及区块链等场景。在 Cartograph 中，运营方使用自己持有的 Ed25519 私钥对能力卡片内容进行签名，任何验证方只需持有对应公钥即可确认卡片未被篡改、且确实出自该运营方。这一机制解决的是"谁来定义工具描述"的信任问题：工具发布者有动机夸大或优化描述以提升被调用概率（类似 SEO），而运营方背书则将描述权与最终使用责任绑定在一起，形成更可靠的 provenance 链条。

Rift：三层混淆聚类分析

第二个机制名为 Rift，是一套三层的"可混淆聚类"分析，包括密度聚类、查询边际分析（query-margin analysis）和 token 诊断。它的作用是识别那些容易被智能体混淆的工具描述。在实验中，Rift 识别出了 49 个可混淆聚类，其中包括 4 个存在于自动生成卡片中的"高风险"聚类。这类分析对于保证检索准确性至关重要——当多个工具描述在语义空间中过于接近时，智能体极易调用错误的工具。

密度聚类（如 DBSCAN 算法）是一类不预设簇数量、而是根据样本在向量空间中的分布密度来自动识别"高密度区域"的无监督学习方法。在工具描述场景下，每个工具的文本描述被嵌入为高维向量，密度聚类能够找出语义上彼此高度相似的工具集合——这些集合正是智能体容易"认错"的混淆源。查询边际分析则进一步检验：当一条查询同时激活同一聚类内的多个工具时，排名分数之间的差距（边际）越小，混淆风险越高。Token 诊断则从词汇层面补充，识别描述中导致语义重叠的关键词模式。三层机制联合，能够系统性地定位检索准确率的薄弱环节。

两阶段检索

第三个机制是两阶段检索：先对服务器进行排序，再对具体工具排序。这种"先粗后细"的层次化检索思路，与渐进式披露的整体设计一脉相承，能够在减少候选集的同时保持召回质量。

实验数据：召回率与延迟的双重验证

论文用一组作者构建的 49 条查询基准进行评估。结果显示，Cartograph 的 R@5 达到 0.816，而基于 Jaccard 关键词匹配的基线仅为 0.592。这一提升说明，语义化的两阶段检索显著优于传统的关键词匹配方式。

在延迟方面，作者在十次试验中测量了网关引入的开销，相较于直接的 stdio MCP 调用，平均仅增加 5ms（约 0.8%） 的延迟。换言之，Cartograph 在大幅削减 token 成本、提升检索准确率的同时，几乎没有引入可感知的性能负担。

值得关注的是论文中一项探索性对比：作者用 119 条 LLM 生成的描述做实验，发现这样能消除观察到的"零距离聚类"（即完全重合、极易混淆的描述），但同时也揭示了一个警示——混合不同的卡片生成机制反而可能降低 R@5。这提醒实践者，描述生成的一致性本身也是影响检索质量的变量。

R@5（Recall at 5）是信息检索领域的标准评估指标，衡量的是：在系统返回的前 5 个结果中，有多大比例包含了真正相关的工具（即实际应被调用的工具）。R@5 = 0.816 意味着在测试的 49 条查询中，约 81.6% 的情况下正确工具出现在了前 5 个候选里。Jaccard 关键词匹配是一种经典的集合相似度方法，计算两段文本共有词汇占并集词汇的比例，实现简单但对同义词、近义词、语序变化等语义关系完全不敏感，因此在自然语言描述多样的工具目录中表现偏弱，这也解释了其 0.592 的显著差距。

定位：与代码执行方案互补

论文特别强调，Cartograph 与"代码执行"类方案是互补关系，而非替代。它的职责是控制哪些工具描述被暴露给智能体，并为每次查询记录用于排序的描述来源。也就是说，Cartograph 关注的是"发现"与"可信溯源"这一层，而具体的工具调用执行仍可交由其他机制处理。

从工程视角看，这一定位相当务实。随着 MCP 生态和多工具智能体的普及，工具发现的可扩展性、可信度与成本控制正在成为绕不开的现实问题。Cartograph 提出的联邦式代理架构，为这一问题给出了一个兼顾效率、准确率与安全溯源的技术路径。

小结

Cartograph 的价值不仅在于把 token 开销从数万降到数百，更在于它把"工具描述从何而来、能否被信任"这一治理层面的问题纳入了检索设计。签名凭证、混淆聚类分析和两阶段检索三者结合，构成了一个可扩展、可审计的工具发现框架。对于正在构建大规模智能体系统的团队而言，这类研究提供了值得借鉴的架构思路——尽管其基准仍属作者自建、规模有限，实际落地效果仍需更广泛的验证。