Which Metadata Matters for LLM Tool Selection in MCP? Evidence from Controlled Factor-Level Interventions
AI 모델이 도구를 고를 때, 도구의 이름이나 설명보다 '매개변수 스키마(도구 입력 항목 구성 방식)'가 더 중요하게 작용합니다. 연구팀은 5개의 AI 모델과 5가지 작업 환경에서 메타데이터를 바꿔가며 실험했습니다. 그 결과, 입력 항목 구성 방식이 바뀌면 AI 모델의 도구 선택이 크게 달라졌고, 입력 항목 설명을 잘 작성하면 도구 선택에 긍정적인 영향을 미쳤습니다. 특히, 특정 요구사항을 만족하는 스키마가 하나뿐이면 AI 모델은 그 도구를 선택합니다.
AI 모델이 도구를 고를 때, 도구의 이름이나 설명보다 '매개변수 스키마(도구 입력 항목 구성 방식)'가 더 중요하게 작용합니다. 연구팀은 5개의 AI 모델과 5가지 작업 환경에서 메타데이터를 바꿔가며 실험했습니다. 그 결과, 입력 항목 구성 방식이 바뀌면 AI 모델의 도구 선택이 크게 달라졌고, 입력 항목 설명을 잘 작성하면 도구 선택에 긍정적인 영향을 미쳤습니다. 특히, 특정 요구사항을 만족하는 스키마가 하나뿐이면 AI 모델은 그 도구를 선택합니다.
MCP 도구를 만들거나 에이전트를 붙인다면 메타데이터 작성법이 곧 도구 선택률이 된다
원문 읽기이어서 볼 것
이 글을 읽은 뒤 바로 이어볼 수 있는 추천
더 읽기로 감을 넓히고, 사례를 본 뒤, 필요하면 참여나 도구로 넘어가면 됩니다.
다음 행동
아직 댓글이 없습니다. 첫 댓글을 작성해보세요!