待验证50% 置信观点精确时间
即便所有厂商采用同一 schema 格式，由于 LLM 是概率系统，不同模型对同一 schema 的理解方式仍会不同，这是 MCP 面对的额外挑战
1
来源数
50%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
模型越强工具越差？Claude新模型工具调用的隐藏陷阱
rss2026/7/4
相关事实
待验证LLM动态编排导致系统进入概率性运行模式，同一请求可能产生不同执行路径，与传统软件确定性行为形成根本区别73% 相似待验证LLM 输出具有概率性，同一规范在不同运行时可能产生截然不同的行为，因此AI Agent声明式规范更接近约束声明而非状态声明68% 相似待验证LLM在需求描述模糊时容易过度设计，倾向于生成复杂的企业级架构方案，这源于其基于条件概率的文本续写特性而非工程判断67% 相似已验证LLM的输出具有天然的非确定性，即使输入相同的Prompt，模型在不同时刻可能返回格式、内容甚至逻辑不同的结果67% 相似待验证LLM网关面临泄漏抽象问题，模型能力的本质差异会泄漏到上层，如system prompt格式、temperature参数语义、function calling调用规范差异66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/167098API
curl https://kongchang.com/api/v1/knowledge/claims/167098MCP
get_claim(id=167098)