研究对比智能体计算与 REST、SOAP、MCP 架构适用性
原文标题：Doing Less with More: A First-Principles Exploration of the Suitability of Agentic Computing over Alternative Architectural Choices
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文以 1000 条算术表达式为受控任务，比较原生函数调用、REST、SOAP、MCP 微服务、直接调用 LLM 及智能体调用 MCP 工具七种方案。确定性方法准确率 100% 且延迟极低，而最佳智能体虽达 99.9% 准确率，延迟却接近基线的百万倍。作者据此提出按任务类型选择架构的决策框架。
- 问题
- 智能体 AI 何时优于本地计算、REST、SOAP、MCP 等成熟方案，缺乏依据。
- 方法
- 用 1000 条算术表达式做受控对比，比较七种调用架构的准确率与延迟。
- 结果
- 确定性方法准确率 100%；直接调用 LLM 最高 92.9% 但延迟超 22000 倍；最佳智能体 99.9% 但延迟近 100 万倍。
- 影响
- 精确计算类任务不应交给 LLM 或智能体，架构选型需按任务类型而非热度决定。
深读 · 结论先行AI 生成展开看要点与影响 ↓
1000条算术表达式对比七种方案：确定性方法100%准确且延迟极低，最佳智能体准确率99.9%但延迟近百万倍。
- •受控任务为1000条需保持运算符优先级的算术表达式，比较原生函数调用、REST、SOAP、MCP微服务、直接调用LLM及智能体调用MCP工具等七种方案。
- •确定性方法准确率100%，延迟可忽略。
- •直接调用LLM最高准确率92.9%，延迟超过原生函数调用的22000倍。
- •借助MCP工具的最佳智能体达99.9%准确率，但延迟接近基线的100万倍；作者据此提出按任务类型选架构的决策框架。
为什么重要：对想把精确计算交给智能体的团队：这是成本与延迟的硬提醒，架构选择应按任务是否需要精确性来分，而非默认上智能体。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。