ToolSpace 提出以工具为中心的 MCP 环境合成框架
原文标题：ToolSpace: Scaling Tool-Centric Environment Synthesis for Long-Horizon Agents
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。
论文提出 ToolSpace，反转传统「先造数据库再派生工具」的数据中心式流程，从真实 MCP 服务执行轨迹中挖掘工具组合依赖并聚类成环境。在 AutomationBench 与 tau3-Bench Banking 上生成更难的 Pro 版本，7 个前沿模型得分最多下降 38.2 分；同时把 Qwen3.6-35B-A3B 平均分从 23.0 提升到 41.0，GLM-5.2 从 44.6 提升到 56.6。
- 问题
- 现有 MCP 环境合成以数据为中心，工具接口不真实、任务难跨环境。
- 方法
- 从真实 MCP 服务执行轨迹中用确定性规则挖掘工具依赖并聚类成环境，再生成带断言检查的任务。
- 结果
- Pro 版本使 7 个前沿模型最多降 38.2 分；Qwen3.6-35B-A3B 平均分从 23.0 升至 41.0，GLM-5.2 从 44.6 升至 56.6。
- 影响
- 为工具调用智能体提供更贴近真实 MCP 的训练与评测环境，可直接用于提升长程工具使用能力。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ToolSpace 从真实 MCP 轨迹反向合成环境，7 个前沿模型最多掉 38.2 分
- •反转「先造数据库再派生工具」的数据中心流程，从真实 MCP 服务执行轨迹挖掘工具组合依赖
- •用确定性规则而非 LLM 判断提取数据、状态与重试依赖，再聚类成环境
- •在 AutomationBench 与 tau3-Bench Banking 上生成更难的 Pro 版本，7 个前沿模型得分最多下降 38.2 分
- •训练收益：Qwen3.6-35B-A3B 平均分从23.0提至41.0（加 RL 为43.2），GLM-5.2 从44.6提至56.6，与 Claude Opus 5 相当
为什么重要：同时提供更难的评测和可用的训练环境，对做 MCP 长程工具调用智能体的团队是直接可用的基础设施。
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。