技術的概要：読み取れないものの索引付け (A2X)

1. 問題定義

本論文は、新興する「エージェントのインターネット (IoA)」における重要なボトルネック、すなわち、LLM 呼び出し可能なサービス（MCP サーバー、A2A エンドポイント、スキル）の急速な拡大と、大規模言語モデル (LLM) の限られた有効なコンテキストウィンドウとの間の構造的な不一致という課題に取り組んでいる。

エージェントが大規模なレジストリからサービスを検出しようとする際、主に 2 つの失敗モードが生じる：

1. トークンの肥大化 (Token Bloat): 数千のサービス記述を単一のプロンプトに連結すると、コンテキストウィンドウを超えたり、禁止的なトークンコストが発生したりする。例えば、1,000 個のツールのレジストリは約 50 万トークンを占有しうる。
2. 中間の消失 (Lost-in-the-Middle, LIM): コンテキストウィンドウが形式的に十分大きくても、LLM は長入力の中にある情報に対して体系的に注意を払わない。最近のベンチマークは、検索精度がコンテキスト長に比例して線形に向上しないことを確認しており、生身のウィンドウサイズではなく、有効なコンテキストが制約条件となっている。

既存の解決策はトレードオフに直面している：

• 全コンテキストのダンプ: トークン制限と LIM の劣化により失敗する。
• 埋め込みベースの検索: トークン効率的であるが、密なベクトル検索は、クロス語彙、多制約、および長尾クエリに対して苦戦し、深い意味理解の欠如により関連するサービスを見逃すことが多い。
• 手動分類体系: 高い保守コストと構造的な遅れにより、動的で急速に成長するサービス人口には不適切である。

核心的な研究課題は以下の通りである：大規模で動的なレジストリを、すべての決定が短く、極めて関連性の高い候補セットの上で行われるように組織化し、選択的に LLM に開示するにはどうすべきか。その際、レジストリ全体としては依然として検出可能でなければならない。

2. 手法：A2X (Agent-to-Anything)

著者は、A2Xを提案する。これは、LLM ネイティブなサービス発見システムであり、問題を漸進的開示によるコンテキスト管理として再定義する。A2X は、レジストリ全体を提示するのではなく、サービスを階層的な分類体系に組織化し、クエリ時にレイヤーごとにそれを辿る。

A. 自動分類体系構築 (オフライン)

A2X は、**幅優先探索 (BFS)**アルゴリズム（アルゴリズム 1）を用いて、生のサービス名と記述から自律的に分類体系を構築し、人間がキュレーションしたオントロジーの必要性を回避する。

• コンテキスト意識型分割: 構築中のコンテキスト溢れを防ぐため、閾値（$\theta_{kw} = 500$ サービス）を超えるノードは、キーワード優先戦略で処理される。KeywordExtractor がサービスを一括処理して頻度重み付きキーワードリストを生成し、それを LLM デザイナーに供給する。これにより、デザイナーはスケールした生の記述を一度も目にする必要がなくなる。
• 単一軸制約: 「軸の混合」（例えば、機能ドメインと技術的アプローチの混合）を防ぐため、設計プロンプトは、ノード内の兄弟カテゴリが単一の分類軸を共有しなければならないと強制する。優先チェーンは、運用または技術的な軸よりも、ユーザー向けの機能ドメイン（例：「旅行」）を優先する。
• 境界の精緻化: 兄弟カテゴリ間の意味的曖昧さ（例：「金融」対「ビジネス」）に対処するため、システムは分類精緻化ループを採用する。サービスが誤分類または未割り当ての場合、システムはこれらのエッジケースをデザイナーにフィードバックし、カテゴリ定義と「ここではない」境界条項を精緻化する。
• クロスドメイン処理: 厳密な木構造では見逃される、複数のトップレベルドメインに legitimately にまたがるサービスに対処するため、CrossDomainAssigner が多親パスを実行し、サービスが複数の関連するリーフの下に現れることを可能にする。

B. 漸進的開示検索 (オンライン)

クエリ時、A2X は再帰的に（アルゴリズム 2）分類体系をナビゲートし、すべての LLM 呼び出しが小さな候補セットのみを処理することを保証する。

1. 並列再帰的降下 (CategoryNavigator): ルートから開始し、LLM に現在のノードの子（通常は約 8 個のオプション）を提示し、関連するブランチを選択するよう求める。選択されなかった部分木は即座に剪定される。
2. サービス選択 (ServiceSelector): リーフノードに到達すると、システムは候補サービスを集める。サービスを重複排除し、最小共通祖先ヒューリスティックを使用して小グループをマージし、グループサイズが LLM の有効なコンテキスト予算内に収まるようにする。
3. モード: システムは、リコールと精度のトレードオフを調整するためにシステムプロンプトを変更することで、異なる検索モード（get_all、get_important、get_one）をサポートするが、基盤となるナビゲーションメカニズムは同一である。

レジストリサイズ $N$ に対するクエリごとの総トークンコストは、呼び出し回数が $N$ 自体ではなく、ツリーの深さ ($d$) と分岐係数 ($b$) に比例するため、**準線形 (sub-linear)**に増加する。

3. 主要な貢献

1. サービス発見の再定義: 著者は、エージェント側のサービス発見をコンテキスト管理問題として再定義し、有効なコンテキストの不足とレジストリサイズを切り離す解決策としてLLM ネイティブな漸進的開示を提案する。
2. A2X システム: 完全自律的なパイプラインであり、以下の機能を持つ：
   • 再帰的分割と精緻化ループを用いて、生のサービス記述から階層的な分類体系を自動的に構築する。
   • クエリ時にこの分類体系をレイヤーごとにナビゲートし、すべての LLM 呼び出しが小さく、関連性の高い候補セットのみを視認できるようにする。
3. 実証的な優位性: ToolRetベンチマーク（1,839 サービス、1,714 クエリ）において、A2X は以下の成果を達成した：
   • ヒット率 92.6%。全コンテキストダンプを6.2 ポイント、最先端の埋め込みベースのベースラインを20 ポイント以上上回る。
   • 全コンテキストダンプと比較して、プロンプトトークンコストが 1/9。
   • 強力なクロス言語ロバスト性。言語固有のエンジニアリングなしに、中国語変種 (ToolRet_CN) でも同様の性能を維持する。

4. 実験結果

• 検索効率 (研究 1): 1,839 個のサービスすべてを単一プロンプトにダンプする純粋な LLM ベースライン（67,619 トークン/クエリ）と比較して、A2X は高いヒット率（92.6% 対 86.4%）とリコール（89.2% 対 84.7%）を達成し、かつ7,069 トークン/クエリのみを消費する。
• 構築品質 (研究 2): 抜去的研究により、キーワード圧縮、精緻化ループ、単一軸制約を備えた再帰的 BFS 構築が不可欠であることが示された。すべての記述を一度に読み取る「ワンショット」LLM 構築はヒット率約 60% しか達成できないのに対し、再帰的アプローチは 92.6% に達する。
• 埋め込み比較 (研究 3): A2X は、密なベクトル検索（MiniLM、BGE-M3 など）やクエリ書き換えベースライン（MCP-Zero）を大幅に上回る。埋め込み手法は、特に複雑で多制約なシナリオにおいて、不十分なリコールに苦しむ（例：MiniLM の HR は 61.8% に対し、A2X は 92.6%）。
• モデルロバスト性: 新型モデル（DeepSeek V4）を用いた実験により、長コンテキスト機能の向上が全コンテキストベースラインを改善する一方で、A2X はコスト優位性を維持し、多くの場合、精度優位性も維持することが確認された。これは、この手法が特定のモデル世代に依存しないことを証明している。

5. 意義と主張

本論文は、推論コストの低下に伴い、LLM ネイティブな発見が埋め込みベースの検索の自然な後継であると主張する。

• パラダイムシフト: 意味を固定次元ベクトルに圧縮する埋め込みベースの手法とは異なり、A2X は LLM のネイティブな能力、すなわち意味推論の実行と複雑なクエリの曖昧さ解消を活用する。
• スケーラビリティ: 階層的な分類体系を介在させることで、A2X はリコールを犠牲にすることなく「中間の消失」問題を解決する。これにより、エージェントはトークンコストの線形増加なしに、数万規模のサービスレジストリにスケーリング可能となる。
• 自律性: システムは人間によるオントロジー保守を必要としないため、動的で急速に進化する「エージェントのインターネット」に適している。
• 将来展望: 著者は、このアプローチが異質なサービスやプラットフォーム全体にわたる統合された発見レイヤー（「エージェント DNS」）として機能し、ベクトル検索では容易にサポートできないより豊かな制約処理（予算、除外など）を可能にすると示唆している。

認められた限界:

• 静的分類体系: 現在の構築はサービスを静的とみなしている。将来の研究では、クエリ頻度に基づいてツリーの深さを最適化するための使用状況意識型精緻化を提案している。
• 言語カバレッジ: クロス言語の結果は機械翻訳データに基づいている。互換性のない語彙を持つネイティブな非英語レジストリは、完全な再構築を必要とする可能性がある。
• 精度の報告: ツール検索ベンチマークにおける不完全なグランドトゥルース注釈のため、従来の精度 (Precision) 指標は、A2X のような高リコール手法の品質を過小評価する可能性がある。