ToolSpace发布:面向工具中心的跨环境智能体合成框架,提升长程任务性能并构建高挑战评测基准

SmartHey11月18日消息,中国人民大学、复旦大学与上海交通大学联合研究团队正式提出ToolSpace——一种面向工具中心(Tool-Centric)的跨环境智能体环境合成框架。该框架以工具为基本执行单元,通过系统化建模工具间真实依赖关系,实现可追溯、可验证、可回放的复杂工作流合成。

ToolSpace包含两大核心环节:

  1. 工具空间探索:从海量真实与半真实执行轨迹中自动提取工具调用及其参数配置,构建结构化的工具组合图;依据数据依赖、状态依赖与重试依赖三类关系组织工具连接,并按连接密度聚类形成逻辑一致的工具环境,同时补全所需持久化底层数据。
  2. 跨环境可验证任务合成:在工具图上开展状态感知随机游走,动态校验每一步输入可用性与前提条件满足度;对成功执行的调用链,反向生成自然语言任务描述与程序化断言脚本,确保任务可被独立验证、环境可完整回放。

研究团队从训练增益与评测升级双维度验证ToolSpace有效性:

  • 七项长程工具基准全面跃升:基于ToolSpace合成数据训练的模型ToolSpace-744B-A40B,在综合性能指标上由44.6显著提升至56.6,已达到Claude Opus 5同等水平。
  • 构建更高阶评测基准:推出AutomationBench Pro与τ³-Bench Banking Pro两大增强型基准,聚焦多步骤、跨系统、强状态耦合的真实工作流场景,更严格检验智能体在复杂业务流程中的连续执行与容错能力。

在技术实现层面,ToolSpace整合超20万条来自真实MCP服务、开放工具语料及实际工作区记录的交互轨迹,并采用分层真实性筛选机制——仅保留工具名与参数结构与真实工具严格匹配的合成调用。

工具组合图建模引入规范化参数节点,支持同一工具在不同参数配置下表达差异化行为。三类依赖边均由确定性规则识别:

  1. 数据依赖:下游工具输入字段必须明确引用上游输出值,且类型严格一致(如文件ID→文件读取);
  2. 状态依赖:前后调用需作用于同一对象并体现状态演进(如“更新订单状态”后接“查询该订单最新状态”);
  3. 重试依赖:捕获失败调用→切换工具→成功恢复的完整容错路径,保留其作为鲁棒性训练信号。

边权重源自真实轨迹中的转移频次,低频连接与偶然匹配(如仅因limit=10等泛化参数触发的虚假关联)被主动过滤,保障图谱可靠性。

在环境数据合成阶段,ToolSpace按工具连接强度自动聚类环境,并联动真实MCP配置生成对应数据库。对于含创建/修改/删除操作的环境,系统自动生成初始化数据并通过单元测试与状态变更检查双重验证;查询类工具利用局部返回状态初始化环境,无状态工具则复用缓存响应——实现按需合成、精准覆盖、资源可控。

任务合成采用“游走—回退—验证”闭环机制:从初始快照出发,依状态可行性与边权重采样下一步;执行失败或状态不一致时即时回滚快照、重选路径;最终成功链路交由Kimi K3大模型进行反向任务生成与教师轨迹构造,并经验证脚本全链路重放确认正确性。每个样本均包含自然语言任务、可执行工具链、初始环境快照及自动化断言,支持后续训练、评测与可复现研究。