Yaxin Du氏らの研究チームは6月11日(現地時間)、ツール拡張型大規模言語モデル (LLM) エージェントが抱える課題を解決する新たなツールインターフェース「HyperTool (ハイパーツール)」を導入したと、arXiv cs.CLで公開された論文で明らかにした。従来のステップ単位のツール呼び出しで生じる実行粒度の不一致を解消し、コンテキスト消費の削減とマルチステップツール使用の精度向上を目指す。
従来のツール拡張型LLMエージェントは、個々のツール呼び出し、観測、値転送が推論トレース内で逐次的に露出されるステップ単位のアプローチに依存していました。これにより、ローカルで決定論的なツールワークフローが繰り返しモデルに可視化される決定に展開され、コンテキストを消費し、モデルに低レベルなデータフロー管理を強いる「実行粒度の不一致」が生じていました。
HyperToolは、モデルから見たツール実行の単位を変更する、統一された実行可能なMCP形式のツールインターフェースを提供します。モデルはコードブロックを用いてHyperToolを呼び出し、既存のツールを元のスキーマを通じて呼び出したり、返された値を操作したり、中間結果をローカルで受け渡したりすることが可能となります。これにより、決定論的なツールサブルーチンを単一の外部呼び出しに集約できます。
このインターフェースをモデルに訓練するため、研究チームはクロスツール合成タスクからHyperTool形式の軌跡を合成し、実際のMCP環境で検証しました。MCP-Universeにおける評価では、HyperToolはQwen3-32Bの平均精度を15.69%から35.29%に、Qwen3-8Bの平均精度を9.93%から33.33%にそれぞれ改善しました。また、GPT-OSSやKimi-k2.5の平均精度を上回り、HyperToolがマルチステップツール使用を大幅に改善する可能性が示されています。
参考: arXiv cs.CL — 2026年6月12日 02:56 (JST)