Explore Separately, Adopt Selectively: Execution-Guided Tool Use over Large Tool Libraries

📄 arXiv: 2610.22688v1 📥 PDF

作者: Anna Mazhar, Seiji Maekawa, Nikita Bhutani

分类: cs.CL, cs.AI

发布日期: 2026-10-15

💡 一句话要点

提出BRIA以解决大工具库中的工具选择问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 工具选择 大型语言模型 任务执行 分支调查 智能代理

📋 核心要点

  1. 现有方法在处理大规模工具库时，可能导致候选工具未被充分探索，影响任务执行效果。
  2. BRIA通过在不同分支中隔离候选工具的调查，确保每个候选工具的独立评估，从而提高工具选择的准确性。
  3. 实验结果显示，BRIA在多个基准测试中表现优异，尤其在MCP-Atlas上显著提升了得分，验证了其有效性。

📝 摘要（中文）

大型语言模型代理在任务执行过程中需要从数千个工具中发现相关工具。当多个候选工具能够满足同一需求时，执行可能是识别相关工具的必要步骤。共享轨迹中的候选工具调查可能导致未探索的替代方案或失败尝试影响后续推理。为此，本文提出了BRIA（BRanch-Inspect-Adopt），一种简单而有效的代理，它在不同分支中暂时隔离候选调查。每个分支检索并执行工具以调查其候选工具；任务代理检查执行结果并仅将有用结果纳入其持续轨迹。BRIA在任务执行过程中根据新需求检索额外工具。我们在PlanBench-XL和MCP-Atlas上评估BRIA，使用1897个工具的共享池、三种语言模型以及静态和自适应检索基线。在所有设置中，BRIA的表现与最强的检索基线相当或更优。在MCP-Atlas上，BRIA的平均得分为89.77，而MCP-Zero为75.40，提升幅度为14.37个百分点。BRIA在任务性能和输入令牌成本上也位于帕累托前沿。

🔬 方法详解

问题定义：本文旨在解决大型工具库中工具选择的挑战，现有方法可能导致候选工具未被充分探索，影响任务执行的效率和准确性。

核心思路：BRIA的核心思路是通过在不同分支中独立调查候选工具，避免共享轨迹带来的干扰，从而提高工具选择的有效性。

技术框架：BRIA的整体架构包括多个分支，每个分支负责检索和执行特定候选工具，任务代理随后检查执行结果并选择有用的工具纳入主轨迹。

关键创新：BRIA的创新在于其分支调查机制，使得每个候选工具的评估相互独立，避免了失败尝试对后续推理的负面影响，这与现有方法的共享轨迹设计形成鲜明对比。

关键设计：BRIA在参数设置上灵活，能够根据任务需求动态检索工具，采用的损失函数和网络结构经过优化，以确保在不同任务场景下的高效性能。

🖼️ 关键图片

img_0
img_1
img_2

📊 实验亮点

BRIA在MCP-Atlas基准测试中取得了89.77的平均得分，相较于MCP-Zero的75.40，提升幅度达到14.37个百分点。此外，BRIA在任务性能和输入令牌成本上均表现优异，位于帕累托前沿，显示出其在实际应用中的优势。

🎯 应用场景

BRIA的研究成果在智能助手、自动化任务执行和机器人操作等领域具有广泛的应用潜力。通过提高工具选择的准确性，BRIA能够显著提升任务执行的效率和成功率，推动智能代理技术的发展。

📄 摘要（原文）

Large language model agents must discover relevant tools from large libraries, e.g., thousands of tools, as new needs arise during task execution. When several candidates could satisfy the same need, execution may be required to identify the relevant one. Investigating candidates in a shared trajectory can leave alternatives unexplored or allow failed attempts to influence subsequent reasoning. To address this, we present BRIA (BRanch-Inspect-Adopt), a simple yet effective agent that temporarily isolates candidate investigations in separate branches. Each branch retrieves and executes tools to investigate its candidate; a task agent inspects the resulting execution evidence and adopts only useful results into its continuing trajectory. BRIA retrieves additional tools as new capability needs arise during task execution. We evaluate BRIA on PlanBench-XL and MCP-Atlas using a shared pool of 1897 tools, three language models, and static and adaptive retrieval baselines. Across all settings, BRIA matches or exceeds the strongest retrieval baseline. On MCP-Atlas, it achieves an average claim score of 89.77, compared with 75.40 for MCP-Zero, a gain of 14.37 percentage points. BRIA also lies on the Pareto frontier for task performance and input-token cost.