MCP-Cosmos：面向MCP环境复杂任务执行的世界模型增强智能体

模型上下文协议 (MCP) 统一了大语言模型 (LLM) 和外部工具之间的接口，但在代理如何概念化其运行环境方面仍然存在根本差距。当前的范式是分裂的：任务级规划常常忽略执行时的动态，而反应式执行则缺乏长期远见。我们提出了 MCP-Cosmos，这是一个将生成世界模型 (WM) 注入 MCP 生态系统以实现预测任务自动化的框架。通过统一三种不同的技术，即 MCP、世界模型和代理，我们证明了“自带世界模型”（BYOWM）策略允许代理在执行之前模拟状态转换并在潜在空间中完善计划。我们使用两种策略（即 ReAct 和 SPIRAL）进行了实验，其中包含 2 个规划模型和 3 个代表性世界模型，超过 20 多个 MCP-Bench 任务。我们观察到 Agent 的环境交互 KPI（例如工具成功率和工具参数准确性）的改进。该框架还提供了执行质量等新指标，以生成有关世界模型与基线相比有效性的新见解。