MCP 网关设计对智能体能力、效率和安全性影响研究：GatewayBench 基准发布

查看PDF HTML（实验性）

摘要：人工智能代理越来越多地通过调用工具与外部环境互动，模型上下文协议（MCP）已成为连接代理到异构工具和服务的标准接口。随着组织大规模部署代理，MCP网关已成为聚合、管理和塑造代理暴露的工具表面的关键中间件层。尽管MCP网关在代理系统中的重要性日益增长，但先前没有研究系统地研究了网关设计如何影响代理能力、效率和安全性。为了解决这一差距，我们介绍了GatewayBench，这是第一个统一的MCP网关评估框架和基准。我们将网关架构分为两大范式：扁平网关和分层网关。GatewayBench包含六个领域的524个任务，以及来自251个真实MCP服务器的11,118个真实世界工具池。为了模拟大规模部署，我们系统地从这个池中抽取与任务无关的工具，并将其注入到每个代理环境中，以便在可访问的工具表面扩展时进行可控评估。基于GatewayBench，我们在七个广泛部署的MCP网关和不同的代理配置上进行了广泛的实验，涵盖了良性和敌对任务。我们的结果表明，在任务完成、工具使用效率和抵抗攻击方面，网关设计之间存在重大差异，并进一步证明这些影响与底层模型和代理利用方式有很强的相互作用。这些发现突出了MCP网关作为代理人工智能堆栈中一个重要但尚未充分探索的组件。通过在现实工具生态系统中对网关架构进行可控评估，GatewayBench既为MCP网关设计提供了实际指导，也为开发更强大、更高效和更安全的代理系统提供了一个严格的测试平台。

投稿历史

来自：Yitian Zheng [查看电子邮件]
[v1] 周五，16 Oct 2026 13:31:09 UTC (1,428 KB)