TURA: Tool-Augmented Unified Retrieval Agent for AI Search

本文提出了 TURA（工具增强的统一检索代理），这是一种结合检索增强生成（RAG）与智能体工具调用的三阶段框架，通过意图感知检索、基于 DAG 的任务规划及轻量级执行器，有效解决了传统 RAG 在处理实时动态数据（如库存和票务）方面的局限，实现了面向大规模工业级 AI 搜索产品的静态内容与动态信息源的统一检索。

要点

这篇论文介绍了一个名为 TURA 的新系统，它是百度开发的一种“超级智能搜索助手”。

为了让你轻松理解，我们可以把传统的搜索引擎和 TURA 比作两种不同的旅行规划师。

1. 传统搜索的困境：只会查“旧地图”的规划师

想象一下，你以前用的搜索引擎（比如传统的 RAG 技术）就像是一个只读过图书馆里所有旧书的规划师。

• 它的强项：如果你问“北京故宫的历史是什么？”或者“上海有哪些著名景点？”，它能从书里（静态网页）迅速找到答案，非常准确。
• 它的弱点：如果你问“帮我买一张明天从北京到上海的高铁票，要二等座”，它就傻眼了。
  • 为什么？因为书里没写明天的票剩多少，也没法直接帮你点“购买”按钮。
  • 它只能给你一堆过期的网页链接，告诉你“以前有人这么买过”，但无法处理实时数据（如余票、价格变动）或执行操作（如订票）。

这就好比你想去旅行，它只能给你看一本几年前的旅游指南，却没法帮你订当下的机票。

2. TURA 的解决方案：拥有“超能力”的全能管家

TURA 的出现，就是为了解决这个问题。它不再只是一个“读书人”，而是一个拥有超能力的“全能管家”。它不仅能查资料，还能直接动手办事。

TURA 的工作流程分为三个神奇的步骤，我们可以用**“点外卖”**来打比方：

第一步：意图感知与工具检索（“听清需求，找对帮手”）

当你说：“我要去北京玩，需要查天气、订酒店、找景点。”

• 传统做法：可能会把这句话当成一个整体去搜，结果搜出一堆杂乱的信息。
• TURA 的做法：它像一个经验丰富的管家，立刻把你的大需求拆解成几个小任务：
  1. 查北京天气。
  2. 找附近的酒店。
  3. 推荐景点。
  4. 规划路线。
     然后，它迅速在它的“工具库”里（就像手机里的各种 APP）找到对应的“专家”：天气 APP、酒店预订 API、地图 API。它知道该叫谁来帮忙。

第二步：DAG 任务规划（“并行处理，拒绝排队”）

这是 TURA 最聪明的地方。

• 传统做法：像是一个笨拙的办事员，做完一件事再做下一件。先查天气，等结果回来；再查酒店，等结果回来……效率很低，你等得很着急。
• TURA 的做法：它画了一张**“任务关系图”**（DAG）。
  • 它发现：“查天气”和“找酒店”互不干扰，可以同时进行！
  • 只有“规划路线”需要等“酒店”和“景点”的结果出来后才能做。
  • 于是，它像指挥交通一样，让能同时做的任务并行爆发，大大缩短了等待时间。这就好比你去餐厅，服务员不是等你点完菜再一个个去厨房，而是后厨同时开始准备凉菜和热菜。

第三步：蒸馏代理执行（“训练出“快手”小徒弟”）

这里有一个很酷的技术细节。

• 问题：让一个超级聪明但反应慢的大老板（超大模型）去干具体的活（比如调用 API 订票），成本太高，速度太慢，用户等不起。
• TURA 的做法：它请大老板（老师模型）先演示一遍怎么高效地订票、查天气，然后把这些经验**“蒸馏”（像提炼精华一样）教给一个反应极快的小徒弟**（小模型）。
  • 这个小徒弟虽然个头小，但它继承了大老板的“肌肉记忆”和“直觉”。
  • 在真正干活时，小徒弟不需要像大老板那样慢慢思考“为什么”，而是直接凭直觉给出最正确的操作指令。
  • 结果：既保留了高智商（准确率高），又拥有了飞一般的速度（低延迟）。

3. 实际效果：从“看书”到“办事”的跨越

论文中展示了一个真实的例子：

• 用户问：“帮我买一张 2025 年 8 月 2 日从北京到上海的高铁票。”
• 传统搜索：只能给你一堆关于高铁的旧新闻，告诉你“通常有票”，但没法告诉你那天具体哪趟车还有票，更没法帮你买。
• TURA：
  1. 识别出这是“订票”需求。
  2. 直接调用携程（Ctrip）的实时接口。
  3. 告诉你："G1 次列车还有二等座，票价 669 元，是否确认？”
  4. 甚至可以直接帮你完成预订动作。

总结

TURA 的核心贡献就是打破了“搜索只能查静态资料”的魔咒。

它把 AI 搜索从一个**“只会读书的图书管理员”，升级成了一个“既能查资料、又能打电话、还能直接帮你办事的超级管家”**。

• 以前：你问它，它给你一堆链接，你自己去点、去填、去等。
• 现在：你告诉它要什么，它直接调用各种工具（天气、地图、订票、股票等），在几秒钟内把最终结果（甚至直接完成交易）交给你。

这项技术已经在百度搜索中上线，服务了数千万用户，让 AI 真正从“聊天”走向了“干活”。

技术摘要

TURA: 面向 AI 搜索的工具增强统一检索智能体技术总结

本文介绍了 TURA (Tool-Augmented Unified Retrieval Agent for AI Search)，一种由百度提出的新型三阶段智能体框架。TURA 旨在解决传统检索增强生成（RAG）系统在处理动态、实时信息（如票务、库存、航班状态）时的局限性，通过结合 RAG 与智能体工具调用能力，实现了对静态文档和动态实时数据源的统一检索与执行。

以下是该论文的详细技术总结：

1. 问题定义 (Problem Definition)

传统的 AI 搜索主要依赖 RAG 技术，从预索引的静态网页文档中检索信息。然而，这种范式存在显著缺陷：

• 静态局限性：无法访问需要交互生成的动态数据（如实时票务、库存、天气），因为这些数据不在静态网页上，必须通过 API 或数据库查询获取。
• 交互缺失：传统 RAG 是被动的“检索 - 生成”模式，缺乏主动调用工具执行复杂任务（如订票、查询实时状态）的能力。
• 工业挑战：在大规模工业系统中，如何在保证低延迟（Low-latency）的同时，有效协调异构的信息源（静态文档 vs. 动态 API）并生成高质量答案，是一个核心难题。

TURA 将 AI 搜索定义为在 Model Context Protocol (MCP) 服务器集合上的统一检索与执行问题，目标是在严格的延迟约束下，最大化答案质量。

2. 方法论 (Methodology)

TURA 采用三阶段架构，将复杂的用户查询转化为可并行执行的工具调用计划：

2.1 意图感知 MCP 服务器检索 (Intent-Aware MCP Server Retrieval)

该模块负责从全局工具库中高效筛选出与查询最相关的 MCP 服务器（包含静态文档库和动态 API）。

• 多意图查询分解：利用大语言模型（LLM）将复杂查询分解为多个原子子查询（Sub-queries），每个子查询对应单一语义意图。
• 服务器级语义索引增强：为了解决用户自然语言与 API 描述之间的“词汇鸿沟”，系统利用生成式 LLM 为每个 MCP 服务器生成大量合成查询（Synthetic Queries），构建增强的索引文档。
• 密集向量检索与分数聚合：使用多向量嵌入（Multi-vector embeddings）进行近似最近邻（ANN）搜索，并通过最大分数聚合策略（MaxSim），确保对任意子意图具有高召回率。

2.2 基于 DAG 的任务规划器 (DAG-based Task Planner)

该模块负责构建最优的执行计划，以支持并行执行，降低延迟。

• 有向无环图 (DAG) 建模：将子任务及其数据依赖关系建模为 DAG。
  • 节点 (Vertices)：代表子任务（如“查询天气”、“预订酒店”）。
  • 边 (Edges)：代表数据依赖（如“路径规划”依赖“景点”和“酒店”的位置信息）。
• 并行执行：对于无依赖关系的子任务（如同时查询天气和景点），规划器允许并行调用，显著减少多跳推理的总延迟。
• 路由机制：对于简单查询，直接执行；对于复杂查询，调用 DAG 规划器生成结构化执行图。

2.3 蒸馏智能体执行器 (Distilled Agent Executor)

为了解决生产环境中大规模 LLM 推理延迟过高的问题，TURA 采用了轻量级但高性能的蒸馏智能体。

• 轨迹合成与数据清洗：利用强大的教师模型（如 Deepseek-V3）生成执行轨迹（ReAct 风格），并通过“正确性过滤”和“效率过滤”两个阶段，剔除冗余和错误步骤，构建高质量蒸馏数据集。
• 混合理性监督微调 (Mixed-Rationale SFT)：
  • 训练阶段：模型学习包含思维链（Chain-of-Thought）和动作的完整序列。
  • 推理阶段：采用“训练有思维，推理无思维”的策略。模型隐式学习了推理模式，直接生成最终动作，省略了生成思维文本的开销。
• 效果：使用小参数模型（如 Qwen3-4B）即可达到甚至超越大模型（Deepseek-V3）的调用准确率，同时将延迟降低数倍。

3. 关键贡献 (Key Contributions)

1. 统一架构：首次系统性地提出了将静态 RAG 与动态工具执行统一在 MCP 框架下的架构，解决了异构信息源的协同问题。
2. TURA 框架：提出了包含意图感知检索、DAG 任务规划和蒸馏执行器的三阶段协同框架，有效解决了工具选择、任务规划和高效执行三大工业挑战。
3. MCP-Bench 基准：发布了首个基于百度生产日志脱敏数据构建的大规模基准测试，涵盖静态 - 动态混合查询场景，提供了标准化的评估协议。
4. 工业级验证：在百度 AI 搜索产品中成功部署，服务数千万用户，证明了该架构在大规模、低延迟工业场景下的可行性。

4. 实验结果 (Results)

• 离线评估 (MCP-Bench)：
  • 准确率：TURA 在人类评估中达到 87.5% 的准确率，显著优于 LLM+RAG (65.3%) 和动态 RAG (67.2%)。
  • 忠实度：TURA 达到 96.2%，远超 RAG 的 72.4%，证明了其基于真实工具数据生成答案的可靠性。
• 在线 A/B 测试：
  • 会话成功率 (SSR)：相比传统 LLM+RAG 基线，TURA 提升了 8.9%。
  • 用户满意度：在“好/中/差”评价中，TURA 被评为“好”（优于基线）的比例为 13%，且“差”的评价降至 4%。
  • 问题减少：总问题数减少了 16.7%，特别是在天气、交通等实时性要求高的场景中表现优异。
• 组件消融研究：
  • 查询分解和索引增强对检索召回率至关重要。
  • DAG 规划器在复杂多跳查询中将平均延迟降低了 44.2%。
  • 蒸馏后的智能体（Qwen3-4B Distilled）在保持高准确率（88.3%）的同时，将 P80 延迟从 2200ms 降至 750ms。

5. 意义与影响 (Significance)

TURA 代表了 AI 搜索从被动信息检索向主动工具增强的范式转变。

• 突破静态限制：使 AI 搜索能够处理实时交易、动态数据查询等传统 RAG 无法解决的复杂任务。
• 工业落地标杆：通过蒸馏技术和 DAG 并行规划，成功平衡了复杂推理能力与工业级低延迟需求，为构建下一代对话式 AI 搜索产品提供了可复用的蓝图。
• 生态建设：通过开源 MCP-Bench 和 MCP 协议的应用，推动了工具增强型 AI 搜索的标准化研究和复现。

综上所述，TURA 不仅是一个技术框架，更是百度在大规模 AI 搜索产品中实现智能化升级的关键基础设施，展示了智能体技术在解决现实世界复杂问题上的巨大潜力。