为不可读内容建立索引：面向服务分类体系的LLM原生递归构建与搜索

智能体互联网（Internet of Agents，IoA）时代正在成形：LLM智能体需要通过编排快速增长的模型上下文协议（Model Context Protocol，MCP）服务器、智能体间（Agent-to-Agent，A2A）端点、可复用技能以及其他可被LLM调用的服务来完成用户目标。然而LLM与这种格局存在结构性错配：有效上下文是稀缺资源，不会随服务数量的增长而扩展。将数千条服务描述拼接进提示词会撑爆上下文窗口，即便窗口足够大，模型也会系统性地忽略长输入中间部分的信息，即被充分记录的Lost-in-the-Middle现象。这从根本上是一个服务发现的上下文管理问题。为解决这一问题，我们提出一种LLM原生的渐进式披露方案及其实例化实现A2X（Agent-to-Anything服务发现）：一条LLM驱动的流水线，自动将注册服务组织成层次化分类体系，并在查询时逐层遍历，使每次LLM调用只看到与用户查询高度相关的小规模候选集。这将有效上下文的稀缺性与注册表规模解耦，在显著降低token消耗的同时提高检索准确率。与全量上下文倾倒相比，A2X以九分之一的提示token成本取得6.2个百分点的命中率（Hit Rate）提升；与最先进的开源嵌入基线相比，A2X将命中率提高超过20个百分点。