arXiv cs.CLは2026年9月13日、AIエージェントのツール発見を効率化するフェデレーテッドプロキシ「Cartograph」の研究論文を公開した。Model Context Protocol(MCP)対応のAIエージェントは、接続先のツールカタログが拡大するほど、全ツール定義の読み込みコストが増す課題を抱える。Cartographはツール発見をO(n)のカタログ走査からO(k)の段階的開示に置き換え、効率的な利用を実現する。
Model Context Protocol(MCP)に準拠するAIエージェントは、接続先のツールカタログの拡大に伴い、全ツール定義を読み込む際の計算コストがスケーラビリティ上の課題となっている。Cartographはこの課題に対応するフェデレーテッドMCPプロキシで、複数の仕組みを組み合わせる。
第一に、デプロイするオペレーターの管理下で生成しEd25519で署名した「operator-attested capability cards」を用いる。ツール発行元による自己申告の記述ではなく、信頼できるオペレーターが保証した記述に基づいてツール情報を提供する。
第二に、「Rift」と呼ばれる混同可能クラスター分析を実行する。密度クラスタリング、クエリマージン分析、トークン診断の3層からなり、記述が類似しエージェントが誤認識しやすいツール群を特定する。
第三に、ツール自体を直接ランキングするのではなく、まずツールを提供するサーバーをランキングし、該当サーバー内のツールに絞って検索する2段階検索を採用する。
22サーバー・374ツールで構成する検証環境では、374件のツール定義ではなく3つのプロキシツールを公開することでツール発見を成立させた。著者らが作成した49件のクエリによるベンチマークでは、上位5件に正解を含む確率を示す「R@5」がCartographで0.816となり、Jaccardキーワードベースラインの0.592を上回った。上位5件の発見に要するトークン消費量は42,450トークンから475トークンへ98%以上削減された。
Riftはこの検証で49件の混同可能クラスターを特定し、うちブートストラップ生成カードにおける4件が「HIGH-risk」に分類された。119件のLLM生成記述を用いた探索的比較では、極めて類似したゼロ距離クラスターは排除された一方、カード生成方式を混在させるとR@5が低下する傾向が確認されたという。Gateway測定では、直接のstdio MCP呼び出しと比べて平均5ミリ秒(0.8%)の追加レイテンシが計測された。
Cartographはコード実行アプローチと相補的な関係にあり、ツール記述の表示範囲を制御する機能に加え、各クエリのランキングに使用した記述の出所を記録する機能を備える。
参考: arXiv cs.CL — 2026年9月28日 13:00 (JST)