技术摘要：LLM 工具注册表中的面向智能体的信息设计

1. 问题定义

本文指出了大型语言模型（LLM）工具注册表（如 PulseMCP、Composio）新兴生态系统中的一个关键缺口。这些注册表充当事实上的广告平台，工具提供商通过自由文本描述竞争智能体的可见性。与花费二十年建立测量基础设施（可见性标准、质量评分）的数字广告行业不同，智能体工具生态系统缺乏任何问责机制。

核心问题是信息不对称。在缺乏经过验证的质量信号的情况下，智能体依赖描述的丰富程度作为能力的代理指标。这创造了一个“生成式引擎优化”（GEO）市场，提供商策略性地构建描述以操纵智能体的选择。本文调查了在面向人类的广告中有效的标准监管机制（披露标签、警告）是否能转移到面向智能体的环境中，并提出了注册表的结构化重新设计以恢复市场效率。

2. 方法论

本研究采用系统性的实验框架，结合五个 LLM（DeepSeek-V3、o4-mini、GPT-5.4-mini、GPT-5.4-nano、Claude Sonnet 4.6 和 GPT-4o）和十个合成任务领域（例如网络搜索、电子商务、代码执行）进行了 17,700 多次试验。

实验设计

• 任务： 二选一强制选择任务，智能体必须从两个功能相同但描述框架不同的工具中调用恰好一个。
• 指标： 选择偏差系数（SBC），定义为 $P(\text{select optimized}) - 0.5$。SBC 为 0 表示随机选择；+0.5 表示完美选择优化后的工具。
• 框架层级（L0–L4）： 描述范围从中性功能规范（L0）到包含社会认同、最高级、权威框架和结果框架的商业优化版本（L4）。
• 披露干预： 测试了四种条件以减轻偏差：
  1. 基线（无干预）。
  2. 在描述后附加 [SPONSORED] 标签。
  3. 星级评分（例如"3/5 星 - 商业合作伙伴”）。
  4. 系统提示警告（一般透明度要求）。
• 生态效度： 实验 C 使用了来自实时 MCP 注册表（例如 Brave Search 与 DuckDuckGo）的逐字描述，以验证合成发现。
• 法律边界分析： 实验 E4 将“法律吹嘘”（FTC 允许的最高级）与“捏造声明”隔离开来，以确定选择偏差的来源。

3. 主要贡献

A. 注册表设计处方（主要贡献）

本文提出将描述结构化地分离为两个不同的层级：

1. 面向选择的描述： 结构化、由注册表控制，并剥离所有评价性语言。该层级专门用于智能体选择。
2. 面向营销的描述： 由提供商撰写，包含所有说服性文案，仅在选择后向人类用户显示。
   基于命题 3的这一架构，实现了“最优福利”（基于功能而非文案选择工具），且独立于特定的 LLM 模型。

B. 智能体注意力质量评分（AAQS）

作者引入 AAQS 以区分真实能力与描述驱动的选择：
$$AAQS_i(q) = P(\text{select}_i | q) \times C_i(q)$$
其中 $C_i(q)$ 是能力匹配分数。相对于选择概率而言较低的 AAQS 表明该工具正在“依靠描述优化混日子”（相当于智能体领域的点击诱饵）。

C. 战略均衡分析

使用博弈论模型（命题 1–3），本文将激励结构形式化为囚徒困境。在没有干预的情况下，纳什均衡是所有提供商都优化描述，使描述变得无信息量，并将资源浪费在“描述军备竞赛”中。模型证明，规范化是必要的（而不仅仅是充分的），因为披露机制无法打破这种均衡。

4. 实证结果

4.1. 优化有效性

• 总流量捕获： 在消费者领域（网络搜索、电子商务），当没有披露时，五个模型中的四个以 $P=1.0$（SBC = +0.456）的概率选择了优化后的工具。
• 主导特征： 最高级（例如“最快”、“最准确”）是单一最强大的特征（SBC = +0.35），优于社会认同（+0.12）和权威框架（+0.21）。
• 剂量 - 反应关系： 选择优势是前置的。从中性（L0）到单个信任信号（L1）的跳跃捕获了可实现提升的大部分（+0.33）。额外的修辞层产生递减或负回报。

4.2. 披露机制的失败

披露干预因不同原因在结构上失效：

• 天花板惯性： 对于已经处于 $P \approx 1.0$ 的模型，[SPONSORED] 等标签的影响微乎其微（例如，DeepSeek 仅显示出 3 个百分点的下降）。
• 架构盲区： 系统提示警告对五个模型中的四个产生了零可测量影响；警告未传播到函数调用选择逻辑中。
• 过度矫正： Claude Sonnet 将 [SPONSORED] 标签视为取消资格的理由，惩罚带标签的工具使其低于随机水平（SBC $\to$ -0.155）。

4.3. 法律吹嘘与捏造

• 法律吹嘘捕获了 100% 的效果： 仅 FTC 允许的法律吹嘘（主观最高级、利益框架）就产生了完整的优化效果（SBC = +0.33）。
• 捏造声明增加零： 添加捏造的统计数据或背书提供了零增量偏差。因此，FTC 针对捏造声明执行欺骗性广告规则，对智能体选择的影响将接近于零，因为活跃机制是受宪法保护的法律吹嘘。

4.4. 生态证据

使用实时注册表描述（例如 Brave Search 与 DuckDuckGo）进行的初步测试证实了合成模式，SBC 值范围从 +0.30 到 +0.46，表明该现象并非合成数据的产物。

5. 意义与主张

本文认为，问题不在于智能体的“非理性”，而在于有缺陷的信息环境。在没有经过验证的质量信号的注册表中，描述的丰富程度是能力的唯一可用代理指标，这使得智能体对商业框架做出理性的响应。

• 监管含义： 当前的监管方法（披露）在结构上对智能体选择无效。解决方案需要机制设计（注册表规范化），而不是更好的智能体对齐。
• 经济影响： 优化后的提供商捕获了约 83% 的流量（相比之下公平份额为 50%），为提供商创造了巨大的、未货币化的套利机会，并导致用户福利损失。
• 设计转变： 本文得出结论，注册表必须从“广告平台”演变为用于选择的“结构化数据存储库”，将营销文案保留给选择后的人类消费。这种转变消除了偏差，减少了社会浪费（军备竞赛），并与智能体对结构化数据的偏好保持一致（在健全性检查中，智能体更偏好结构化格式而非中性散文）。

作者发布了他们的基准测试和分析代码，以支持面向智能体的信息设计的未来工作，强调如果没有结构性干预，工具选择市场将保持缺乏问责且低效。