Контекстные описания инструментов Model Context Protocol (MCP) пахнут! К повышению эффективности ИИ-агентов с помощью расширенных описаний инструментов MCP

Model Context Protocol (MCP) Tool Descriptions Are Smelly! Towards Improving AI Agent Efficiency with Augmented MCP Tool Descriptions

February 16, 2026

Авторы: Mohammed Mehedi Hasan, Hao Li, Gopi Krishnan Rajbahadur, Bram Adams, Ahmed E. Hassan

cs.AI

Аннотация

Протокол Model Context Protocol (MCP) представляет стандартную спецификацию, определяющую, как агенты на основе базовых моделей (Foundation Models, FM) должны взаимодействовать с внешними системами путем вызова инструментов. Однако для понимания назначения и функциональности инструментов FM полагаются на их описания на естественном языке, что делает эти описания критически важным компонентом, направляющим FM к выбору оптимального инструмента для данной (под)задачи и передаче правильных аргументов. Хотя дефекты или "запахи" в таких описаниях могут дезориентировать агентов на основе FM, их распространенность и последствия в экосистеме MCP остаются неясными. Следовательно, мы эмпирически исследуем 856 инструментов, распределенных по 103 серверам MCP, оцениваем качество их описаний и их влияние на производительность агента. Мы выявляем шесть компонентов описаний инструментов из литературы, разрабатываем оценочную рубрику, используя эти компоненты, и затем формализуем "запахи" описаний на основе данной рубрики. Операционализируя эту рубрику с помощью сканера на основе FM, мы обнаруживаем, что 97,1% проанализированных описаний инструментов содержат по крайней мере один "запах", причем 56% не четко указывают свою цель. Хотя дополнение этих описаний по всем компонентам повышает процент успешного выполнения задач в медианном значении на 5,85 процентных пункта и улучшает частичное достижение цели на 15,12%, это также увеличивает количество шагов выполнения на 67,46% и ухудшает производительность в 16,67% случаев. Эти результаты указывают, что достижение прироста производительности не является прямолинейным: хотя стоимость выполнения может выступать в качестве компромисса, контекст выполнения также может оказывать влияние. Кроме того, абляционные исследования компонентов показывают, что компактные варианты различных комбинаций компонентов часто сохраняют поведенческую надежность, одновременно снижая избыточную токенную нагрузку, что позволяет более эффективно использовать контекстное окно FM и снижать стоимость выполнения.

English

The Model Context Protocol (MCP) introduces a standard specification that defines how Foundation Model (FM)-based agents should interact with external systems by invoking tools. However, to understand a tool's purpose and features, FMs rely on natural-language tool descriptions, making these descriptions a critical component in guiding FMs to select the optimal tool for a given (sub)task and to pass the right arguments to the tool. While defects or smells in these descriptions can misguide FM-based agents, their prevalence and consequences in the MCP ecosystem remain unclear. Hence, we examine 856 tools spread across 103 MCP servers empirically, assess their description quality, and their impact on agent performance. We identify six components of tool descriptions from the literature, develop a scoring rubric utilizing these components, and then formalize tool description smells based on this rubric. By operationalizing this rubric through an FM-based scanner, we find that 97.1% of the analyzed tool descriptions contain at least one smell, with 56% failing to state their purpose clearly. While augmenting these descriptions for all components improves task success rates by a median of 5.85 percentage points and improves partial goal completion by 15.12%, it also increases the number of execution steps by 67.46% and regresses performance in 16.67% of cases. These results indicate that achieving performance gains is not straightforward; while execution cost can act as a trade-off, execution context can also impact. Furthermore, component ablations show that compact variants of different component combinations often preserve behavioral reliability while reducing unnecessary token overhead, enabling more efficient use of the FM context window and lower execution costs.