研究：MCP元数据如何影响LLM工具选择

2026年10月14日，arXiv Artificial Intelligence 刊出 Xiaofan Li、Fengchun Qiao、Xing Gao 的论文，研究 MCP 工具元数据（服务器名、工具名、描述、参数 schema）对 LLM 工具选择的影响。作者先对 367,174 个 MCP 工具做元数据分析，发现功能相似的工具在参数 schema 上存在显著差异；随后在 5 个 LLM 和 5 项任务上开展受控因子级干预实验，每次只改动一个元数据因子而保持其余不变，并平衡工具位置、用条件 logistic 回归估计位置校正后的效应。结果显示，参数 schema 变化带来的选择偏移最大且最一致，模型更偏好独立的顶层参数而非分组或复合形式；解释参数的描述也能提升选择率，名称效应较弱。论文还指出，当只有一个 schema 满足请求中的明确要求时，五个模型都会选择兼容工具，尽管存在位置偏好。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。