Contract2Tool: как ИИ-агенты научились сами определять уместность и последствия вызова инструментов

LLM-агенты, дополненные внешними инструментами, всё чаще полагаются на сторонние API. Однако стандартные схемы описывают лишь то, как вызвать инструмент, но не когда он уместен и к каким изменениям состояния системы приводит. Этот пробел может снижать надёжность и эффективность агентов.

В новой работе исследователи представили Contract2Tool — фреймворк для автоматического вывода контрактов инструментов. Контракты включают предусловия, эффекты, уровень риска и стоимость вызова. Раньше такие контракты приходилось писать вручную, что не масштабируется для больших экосистем.

Contract2Tool анализирует метаданные, схемы, документацию и трассы выполнения, преобразуя наблюдаемые признаки в нормализованные символические контракты. Затем эти контракты используются в механизме каузальной фильтрации инструментов (CMTF), который оставляет агенту только релевантные API.

Эксперименты показали, что обученные контракты практически не уступают ручным: успешность downstream-задач составила 0,980 против 0,990 для золотых контрактов. При этом количество видимых агенту инструментов сократилось со 100 до 1, а средний расход токенов упал с 26 172 до 2 528.

Разработчики подчёркивают, что Contract2Tool масштабируется для растущих библиотек инструментов и не требует постоянного ручного обновления. Это открывает путь к более надёжным и экономичным агентам без потери точности.

Таким образом, предложенный подход позволяет автоматизировать ключевой этап подготовки инструментов для LLM, делая агентов одновременно более эффективными и простыми в развёртывании.