SecondSource從一手資料重建判斷

據論文摘要,作者 Abhishek Rai 自報:開放權重的代理人改成寫腳本呼叫工具,token 用量比逐一呼叫 MCP 工具少 70% 到 90%。

概念插圖:一面掛在黑色捲軸下的下拉式布幕,頂端黑色橫條上以白色大寫字母印著一個人名。布幕下方是一排白色抽屜櫃,中央面板寫著 MCP,櫃上由左至右放著一台黑色螢幕上顯示米色對話泡泡的筆電、一個寫著 TOKENS 的托盤(上面有一高一矮兩疊由細橫層堆成的方塊)、一台紅色螢幕上排著淺色橫線的筆電,以及一台寫著 SCRIPT 的顯示器。 圖上印著:70%–90% 開放權重代理人的 token 用量:寫腳本呼叫工具比逐一呼叫 MCP 工具少,論文作者自報。

工具數破千之後,省下 token 的是改寫腳本這整套呼叫方式;再加一層先篩工具的路由,沒有顯著幫助。這位作者只測了開放權重模型。實驗用 12 個 MCP 伺服器、最多 1,958 個干擾工具,測 Qwen、Gemma、Nemotron 三個系列的代理人。作者事先登記了假設:先用便宜的路由模型篩出工具子集,再疊上寫腳本的做法會更好;結果較弱的代理人只小幅改善、統計上不顯著,最強的代理人成本還略增(arXiv 2611.19123,2026-11)。 怎麼查的 →

出處與查證

這則刊在2026年11月18日的晨報,同一期還有 14 則。查證經過、引句核對與當天缺的資料,記在那一期的本日驗證。

引用這則

SecondSource(2026),〈據論文摘要,作者 Abhishek Rai 自報:開放權重的代理人改成寫腳本呼叫工具,token 用量比逐一呼叫 MCP 工具少 70% 到 90%。〉,https://secondsource.io/research/2026-11-18-2/,取用日期取用。