受控干预实验显示参数结构差异主导 MCP 系统中的 LLM 工具选择

该论文通过针对五个大语言模型和五个任务的受控元数据干预实验，证实了 Model Context Protocol (MCP) 中工具参数的 Schema 结构差异是决定 LLM 选择工具的最关键因素，其影响力远超工具名称或描述文本。

研究分析了 367,174 个 MCP 工具的元数据，发现功能相似的工具常存在显著的参数 Schema 差异。在保持其他变量固定的情况下，仅改变参数 Schema 会导致最一致且最大的选择偏移，模型倾向于偏好分离的顶层参数而非分组或复合形式。相比之下，解释参数的描述文本虽能提升选择率，但工具名称的影响较弱且不一致。当请求明确要求特定参数格式时，即使存在位置偏好，所有模型仍会选择唯一兼容 Schema 的工具。

这一发现表明，Schema 设计不仅影响工具调用方式，更决定了工具是否被选中。对于 MCP 开发者和评估者而言，工具排序和 Schema 设计可能在不改变功能实现的情况下，实质性影响最终调用的具体实现版本。事实基于对 367,174 个工具和五组模型的统计回归分析；推断指出开发者需将 Schema 标准化视为核心优化点；猜测部分认为这可能导致不同厂商的工具库因 Schema 风格差异而产生隐性的市场隔离。