了解模型上下文协议生态系统的层次结构和功能景观

AI 智能体越来越依赖通过模型上下文协议 (MCP) 公开的工具来完成用户任务。市场上列出了数十万台 MCP 服务器，但它们仅按粗略的、特定于市场的服务器类别进行组织。这使得智能体和用户很难识别给定操作的工具、找到功能替代方案并评估这些替代方案的不同之处。我们推出了 MCPacific，这是 MCP 生态系统最大的工具级跨市场地图。 MCPacific 收集了 368,754 个 MCP 服务器列表，对应于 17 个市场中的 124,267 个独特服务器，从这些服务器中以七种语言静态提取 1,328,233 个工具规范，并将它们组织成包含 58,915 种功能的分层功能分类。我们通过迭代的LLM驱动的设计-测试-细化过程构建分类法，并使用校准的嵌入路由将完整的语料库映射到它。我们的研究表明，MCP 远远超出了开发人员工具的范围，85% 的工具服务于其他领域。功能替代品很普遍，但分布不均匀：98.5% 的工具至少有一种替代品，但近四分之一的功能仅由一种工具支持。功能上可比的工具在安全警报、代码复杂性和项目维护方面也存在差异，41% 的可比工具对的复杂性相差超过 2.5 倍。最后，通过分类法而不是平面列表来呈现候选工具可以提高所有四个评估模型的任务完成率，对于拥挤的候选集，在 Pass@0.75 中提高了高达 12 个百分点。