Zhenning Shi、Liang Pang、Yongqi Li · MICA · 阅读原文
原始来源：Zhenning Shi、Liang Pang、Yongqi Li · MICA
发现渠道：Hugging Face Daily Papers
给 Agent 接上相同工具，就能公平比较接口吗？MICA 研究的是更严格的问题：可执行动作、参数和环境状态保持一致，只改变模型看到和表达这些动作的方式。MCP（模型上下文协议）在这里呈现具名工具与结构化参数；CLI（命令行接口）呈现命令和参数文字。两种输出都被解码成同一语义动作，交给共同的校验与执行过程。
作者在六个模型、三个交互环境中比较它们。家庭任务 ALFWorld 中，Qwen3-14B 的成功率从 MCP 的20.1%变为 CLI 的56.7%；购物任务 WebShop 中却是 MCP 的64.4%高于 CLI 的59.5%。结果没有给出一个处处更好的接口。2,004对轨迹中，94.3%出现有后果的结构性分歧；这个比例表示执行过程不同，不是失败率。
论文还在同一个决策状态下分别改变能力说明、动作表达和反馈形式，观察局部差异如何进入后续历史。由此提出 DART：先校验想执行的动作和参数，若意图有效、只是接口表达出错，就固定这个决定，只修表达；不能维持有效承诺时，交回普通策略重新处理。
DART 的收益来自 Gemini-2.5-Flash 在三个环境乘两种接口的六个设置，而非六个模型都验证过。各设置得分增加0.8至9.0个百分点；MCP 的 token 消耗均下降，CLI 两个环境反而增加。它提供了一个清楚的修复边界，收益和成本仍依赖具体场景。
可信度 65 · 重要性 91 · 新颖度 90
技术与主题
Agent 系统 · 评测与基准 · MCP · CLI · Controlled Experiments · Error Recovery
编辑评读
这篇工作的贡献，是把常被混在一起的两个变量拆开：Agent究竟能做什么，以及它怎样理解和调用这些能力。若CLI额外允许任意脚本，MCP只有几个封装动作，胜负可能来自能力集合。MICA用共同动作契约约束比较，因此更有理由把观察到的差异归于接口表示及其带来的交互过程。
DART的启发也很具体。一次格式错误不一定意味着原来的选择有错；把整步交回模型重想，可能改变目的或参数，制造新的失败。保留已经校验过的动作，只重写调用形式，有机会避免这类漂移。但前提是状态和约束仍有效，不能把过时决定固化，也不能把所有业务错误都当成语法问题。
在自己的Agent上，可先对照同一失败轨迹，区分选错动作、参数不合法和表达未被解析，再决定修哪一层。若要做接口实验，应固定后端、任务与预算，并同时记录成功率和总调用成本。这些是可迁移的方法建议；本文未执行部署实验，也不把模拟环境里的增益直接当成真实业务收益。