論文の概要: MCPDisCo: Seesaw-Mitigated Tuning for MCP-Native Agents
- arxiv url: http://arxiv.org/abs/2610.14956v1
- Date: Sat, 10 Oct 2026 14:29:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.135299
- Title: MCPDisCo: Seesaw-Mitigated Tuning for MCP-Native Agents
- Title（参考訳）: MCPDisCo: MCP-Native Agent のソーミティゲートチューニング
- Abstract要約: MCP-ネイティブエージェントのためのエコシステムスケール強化学習フレームワークであるMCPDisCoを提案する。
一つの目的において改善が伴う共同学習失敗モードである-tool seeawについて検討した。
MCPDisCoはより少ない連鎖トークンでより高い成功を収める。
- 参考スコア（独自算出の注目度）: 37.46666912519347
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Model Context Protocol provides a shared interaction substrate for the agentic web, allowing heterogeneous services to expose capabilities through a standardized interface. Learning to use this ecosystem entails a hierarchy of capabilities: tool-format skills, server-level transfer, and cross-server composition. We present MCPDisCo, an ecosystem-scale reinforcement learning framework for MCP-native agents. Using a Thought-Markov Decision Process (Thought-MDP), the framework explicitly represents internal reasoning alongside routing, execution, and termination and trains on real-server, long-horizon interactions spanning 70 MCP servers and 527 tools across six domains. We study the reasoning--tool seesaw, a joint-learning failure mode in which improvement in one objective can accompany deterioration in the other. To mitigate potential interference, MCPDisCo combines token-masked reward attribution with bidirectional gradient surgery: the former separates direct supervision for reasoning and action spans, while the latter removes conflicting components from both objective gradients in shared parameters. MCPDisCo achieves higher success with fewer chain-of-thought tokens. On the out-of-distribution MCP-Atlas and the GAIA benchmark, MCPDisCo maintains monotone gains, confirming that the learned behavior generalizes beyond the training server distribution and broader agentic tasks. Model weight and implementation are available.
- Abstract（参考訳）: Model Context Protocolは、エージェントWebのための共有インタラクション基盤を提供し、異種サービスが標準化されたインターフェイスを通じて機能を公開することを可能にする。
このエコシステムを使用するための学習には、ツールフォーマットスキル、サーバレベルの転送、サーバ間のコンポジションといった、機能階層が必要です。
MCP-ネイティブエージェントのためのエコシステムスケール強化学習フレームワークであるMCPDisCoを提案する。
Thought-Markov Decision Process (Thought-MDP)を使用して、このフレームワークはルーティング、実行、終了と共に内部の推論を明示的に表現し、70のMSPサーバと6つのドメインにまたがる527のツールにまたがる実サーバ、ロングホライゾンのインタラクションをトレーニングする。
一つの目的において改善が伴う共同学習失敗モードである-tool seeawについて検討した。
潜在的な干渉を軽減するため、MPPDisCoはトークンマインドによる報酬属性と双方向の勾配手術を組み合わせ、前者は推論と行動の直接監督を分離し、後者は共通のパラメータの両方の目的の勾配から競合するコンポーネントを除去する。
MCPDisCoはより少ない連鎖トークンでより高い成功を収める。
MCP-AtlasとGAIAベンチマークでは、MCPDisCoはモノトーンゲインを維持し、学習された振る舞いがトレーニングサーバの分散やより広範なエージェントタスクを超えて一般化されることを確認する。
モデルウェイトと実装が利用可能である。
関連論文リスト
- AgensFlow: A Coordination-Policy Substrate for Multi-Agent Systems [0.0]
AgensFlowは、部分的な可観測性の下でのオンラインポリシー学習問題としてマルチエージェントコーディネーションを扱う。
AgensFlowは、分散システムインシデントタスクとセキュリティ管理者タスクの2つのコーパスで評価されている。
論文 参考訳（メタデータ） (2026-05-26T08:10:52Z) - Learning to Communicate Locally for Large-Scale Multi-Agent Pathfinding [48.1609560841622]
本稿では,効率的な特徴共有を通じてエージェント間の協調を強化するための学習可能な通信モジュールを提案する。
提案手法は既存の学習ベースMAPFソルバよりも優れていることを示す。
論文 参考訳（メタデータ） (2026-05-08T12:05:08Z) - Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。
本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
論文 参考訳（メタデータ） (2026-05-07T14:19:17Z) - From Language to Action: Enhancing LLM Task Efficiency with Task-Aware MCP Server Recommendation [2.790980367761591]
モデルコンテキストプロトコル(MCP)エコシステムの急速な拡張により、大規模言語モデル(LLM)ベースのエージェントは、標準化されたインターフェースを介して、幅広い外部ツールにアクセスできるようになる。
既存の研究は主にMCPエコシステムの測定やツール起動機構の最適化に重点を置いている。
我々は,タスク指向型MPPサーバの推薦を,意味的関連性や工学的制約を共同で考慮した構造化された検索・格付け問題として定式化する。
論文 参考訳（メタデータ） (2026-04-19T03:38:10Z) - MCP-DPT: A Defense-Placement Taxonomy and Coverage Analysis for Model Context Protocol Security [1.4734406074896924]
Model Context Protocol (MCP) は、大規模な言語モデルでサードパーティ製のツールを発見し、呼び出すことを可能にする。
MCPは、実行前アーティファクト、共有コンテキスト、マルチターン、サードパーティサプライチェーンを敵の影響にさらしている。
本稿では, MCP の防衛配置指向セキュリティ分析を行い, 実施に責任のあるアーキテクチャコンポーネントによる攻撃を組織する階層型分類法を提案する。
論文 参考訳（メタデータ） (2026-04-08T19:53:26Z) - From Tool Orchestration to Code Execution: A Study of MCP Design Choices [20.817336331051752]
Model Context Protocols(MCP)は、エージェントシステムが異種実行環境を横断してツールを発見し、選択し、オーケストレーションするための統一されたプラットフォームを提供する。
最近のMPP設計では、コード実行を第一級の機能として組み込んでおり、これはCode Execution MCP(CEMCP)と呼ばれるアプローチである。
この研究は、コンテキスト結合(伝統的)とコンテキスト分離(CEMCP)のアーキテクチャ的区別を形式化し、それらの基本的なスケーラビリティのトレードオフを分析する。
論文 参考訳（メタデータ） (2026-02-17T19:03:08Z) - Enhancing Model Context Protocol (MCP) with Context-Aware Server Collaboration [0.8594140167290097]
Model Context Protocol (MCP) は、エージェントが外部のツールやサービスと通信するためのフレームワークとして広く使われている。
本研究では,複雑なタスクに要するLCM呼び出し数を削減し,コンテキスト認識型MPPが従来のMPPより優れていることを示す実験を行った。
論文 参考訳（メタデータ） (2026-01-06T21:34:08Z) - MCP-Flow: Facilitating LLM Agents to Master Real-World, Diverse and Scaling MCP Tools [58.5971352939562]
大規模言語モデルは、複雑で現実的なタスクを実行するために、ますます外部ツールに依存しています。
既存のMSPリサーチは、少数のサーバーをカバーし、コストのかかる手作業によるキュレーションに依存し、トレーニングサポートが欠如している。
我々は大規模なサーバ発見、データ合成、モデルトレーニングのための自動Webエージェント駆動パイプラインであるMPP-Flowを紹介した。
論文 参考訳（メタデータ） (2025-10-28T10:42:17Z) - LiveMCPBench: Can Agents Navigate an Ocean of MCP Tools? [50.60770039016318]
モデルコンテキストプロトコル(MCP)エージェントをベンチマークする最初の総合ベンチマークであるLiveMCPBenchを紹介する。
LiveMCPBenchは、MPPエコシステムに根ざした95の現実世界のタスクで構成されている。
評価は10の先行モデルを対象としており、最高の性能のモデルが78.95%の成功率に達した。
論文 参考訳（メタデータ） (2025-08-03T14:36:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。