Wenhao Wang Peizhi Niu Zhao Xu Zhaoyu Chen Jian Du Yaxin Du Xianghe Pang Keduan Huang et al

초록

대규모 언어 모델(LLM)은 점점 더 복잡하고 현실적인 작업을 수행하기 위해 외부 도구에 의존하고 있지만, 급속히 확장되고 있는 모델 컨텍스트 프로토콜(MCP) 생태계를 효과적으로 활용할 수 있는 능력은 여전히 제한적이다. 기존의 MCP 연구는 소수의 서버만을 다루며, 고비용의 수동 커리레이션에 의존하고, 학습 지원 기능이 부족하여 실용적 도입에 대한 진전이 지연되고 있다. 이러한 한계를 극복하기 위해 우리는 대규모 서버 탐색, 데이터 합성, 모델 학습을 자동화하는 웹 에이전트 기반 파이프라인인 MCP-Flow를 제안한다. MCP-Flow는 1,166개의 서버와 11,536개의 도구로부터 데이터를 수집하고 필터링하여, 고품질의 지시-함수 호출 쌍 68,733건과 트래잭터리(경로) 6,439건을 생성하였으며, 규모와 다양성 면에서 기존 연구를 크게 초월한다. 광범위한 실험을 통해 MCP-Flow가 MCP 도구 선택, 함수 호출 생성, 그리고 에이전트 기반 작업 수행 능력 향상에 있어 우수한 성능을 발휘함을 입증하였다. 따라서 MCP-Flow는 LLM 에이전트가 실제 MCP 환경에서의 역량을 향상시키기 위한 확장 가능한 기반을 제공한다.