ToolACE-MCP：将历史感知路由从 MCP 工具推广到代理 Web

摘要

随着Agent Web与Model Context Protocol（MCP）的兴起，代理生态正演化为开放协作网络，可用工具呈指数级增长。然而，当前架构面临严重的可扩展性与泛化瓶颈。为此，我们提出ACE-Router，一个训练历史感知路由器的流水线，助力在大规模生态中实现精准导航。通过利用依赖丰富的候选图来合成多轮轨迹，我们有效训练出具备动态上下文理解能力的路由器，构建即插即用的Light Routing Agent。在真实基准MCP-Universe与MCP-Mark上的实验展现出优越性能。值得注意的是，ACE-Router展现出对未来Agent Web至关重要的特性：它不仅能以极少的适配泛化到多代理协作，还对噪声保持出色的鲁棒性，并能有效扩展到海量候选空间。这些发现为开放生态中的通用编排提供了坚实的实证基础。

ACE-Router：将历史感知路由从MCP工具泛化到Agent Web — 图2：ToolACE-MCP 的整体框架。它由三个关键阶段组成：(1) Self-evolutionary Graph Construction（自进化图构建），通过变异与关系建模扩展并结构化候选空间；(2) Multi-Agent Simulation（多智能体模拟），合成交互轨迹以抽取具历史感知的监督信号；(3) The Light Routing Agent（轻量路由智能体），旨在将训练好的路由器无缝集成到推理流程中。