EvoMCP：以学生执行反馈共同演进MCP任务、轨迹与技能数据

摘要

模型上下文协议（MCP）Agent的监督微调通常基于静态数据分布，不能适应学生能力变化，也无法充分补足新暴露的弱点。我们提出EvoMCP，一种Agent与数据共同演化的框架，通过任务演化、轨迹演化和监督微调闭环改进MCP Agent。具体而言，框架根据rollout反馈评估学生已掌握的能力与能力缺口，确定学习目标。任务演化调整兼容且已验证的种子任务的指令与可观察环境状态，同时保持验证器对齐，将目标变为可执行任务。为提供可靠且高效的示范，轨迹演化利用可复用技能修复失败的教师rollout，并改进成功轨迹。所得任务—轨迹对用于微调学生，接纳的任务则成为后续演化的种子。更新学生后，再次评估并用其反馈指导下一轮数据演化，从而闭合循环。在Toolathlon、MCPMark和MCP-Atlas上，相比初始学生，绝对成绩分别提高16.5%、10.2%和12.6%，提升一致。项目页面：https://github.com/xagao/EvoMCP.

EvoMCP：以学生执行反馈共同演进MCP任务、轨迹与技能数据：论文配图 — 图1：真实MCP环境中的自演进训练。（a）TOUCAN合成任务，筛选教师通过真实MCP工具执行的轨迹用于SFT（Xu等，2025）。（b）EvoMCP依据学生模型rollout反馈评估能力，选择学习目标及已验证种子任务。任务演进调整任务指令、环境状态或两者，同时保持验证器一致。轨迹演进利用可复用技能挽救失败的教师rollout，并细化成功示范。获接受的示范用于微调学生，获接受的任务为后续轮次提供种子。