人工智能智能体的应用现状：基于17.7万个MCP工具的分析证据
How are AI agents used? Evidence from 177,000 MCP tools
M. Stein
arXiv (Cornell University) · 2026-03-25
摘要
当前的人工智能智能体以大型语言模型为基础，配备能够访问和修改外部环境的工具，例如企业文件系统、支持API接入的平台以及网站。人工智能智能体有望实现经济各领域计算机任务的自动化。然而，开发者、研究人员及政府部门尚未充分了解人工智能智能体当下的应用场景及其所承担的重要任务类型。为填补这一空白，我们通过对公共模型上下文协议服务器代码库进行监测，对2024年11月至2026年2月期间开发的177,436个智能体工具进行了评估，该代码库是当前智能体工具领域的主流标准。我们根据工具的直接作用将其分为三类：用于获取和读取数据的感知类工具、用于分析数据或概念的推理类工具，以及可直接修改外部环境的操作类工具，后者涵盖文件编辑、发送邮件乃至操控物理世界的无人机等场景。我们借助O*NET分类体系来确定每种工具的任务领域及其重要性等级。软件开发相关工具占所有智能体工具的67%，在MCP服务器下载量中的占比更是达到90%。值得注意的是，在样本所覆盖的16个月时间里，操作类工具的使用占比从27%上升至65%。尽管大多数操作类工具仅支持编辑文件这类中等重要性的任务，但也存在可用于金融交易等高重要性任务的工具。我们以智能体驱动的金融交易为例，说明政府及监管机构可如何利用这种监测方法，将监管范围从模型输出延伸至工具层面，从而有效管控智能体部署带来的风险。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于全文生成- 主要观点
- 该文以2024年11月至2026年2月间公开Model Context Protocol（MCP）服务器发布的177,436个agent工具为对象，主张AI agent的能力边界由其action space即工具集合界定，因而判断agent的实际用途须从工具层入手，而不能停留在LLM输出层。作者按直接影响把工具分为perception（读取数据）、reasoning（分析数据或概念）与action（直接改动外部环境）三类，并以O*NET职业分类法标注其任务域与consequentiality（低、中、高风险）。实证结论是：软件开发占全部工具的67%、占MCP服务器下载量的90%；action类工具的使用份额在16个月内由27%升至65%，驱动力来自浏览器控制、计算机操作等general-purpose、非受限环境工具的增长。多数action工具指向编辑文件一类中等风险任务，但金融交易类工具增长迅速，构成高风险action的集中地带。作者进而提出直接影响、通用性、任务域、使用地理、AI共同编写五项工具属性，认为它们共同扩张action space并放大误用、错误与失准、结构性风险，主张监管应从模型输出延伸至工具层，并以agentic金融交易为例演示该监测路径。文中另报告28%的MCP服务器（36%的工具）检出AI辅助编写，新服务器中该比例由2025年1月的6%升至2026年2月的62%，其中Claude Code占AI协作服务器的69%。
- 研究方法
- 研究以公开MCP服务器为抽样框构建工具面板数据，来源为GitHub上名称、描述、readme或标签含“mcp server”且至少1星的仓库（最终16,956个）、Smithery注册表（2,437个）以及GitHub上的MCP服务器清单，汇总为177,436个工具。作者对工具做自动化分类，判定其perception/reasoning/action属性及面向受限（narrow）或非受限（general）环境，并用O*NET职业分类体系把工具映射到工作任务域，以O*NET 0–100的决策影响排名设定风险阈值（低<50、中50–75、高>75）。使用侧以Node Package Manager与Python Package Index的下载量为代理指标，覆盖3,854个MCP服务器（42,498个工具），并据下载IP地址估计地理分布（一国>80%、全球<70%集中于单一洲的判定规则）。研究围绕五个研究问题——跨域使用广度、地理分布、三类直接影响的时间占比、受限与非受限环境、AI共同编写比例——报告描述性统计与时间趋势。此外，作者与英国政府金融主管部门开展试点监测，以agentic交易工具为个案演示工具层风险监测的操作流程。
- 学术贡献
- 在材料发掘层面，作者构建了迄今规模最大的公开AI agent工具数据集（177,436个工具），并配套抓取与分类流程，填补了对agent工具生态缺乏整体描摹的空白。在方法层面，提出以工具而非模型输出为监测单元的路径：用O*NET将工具映射到职业任务与风险等级，用包管理器下载量近似使用强度，从而在缺少平台内部日志的条件下获得跨16个月的时间序列。在理论建构层面，把action space拆解为直接影响、通用性、任务域、地理分布、AI共同编写五个可测属性，并与误用、错误与失准、结构性风险三类风险相对应，为agent风险评估提供了可操作的中间变量。在领域拓展层面，该研究把AI使用监测从LLM使用研究推进到工具层，并以agentic金融交易为例说明监管者可把监督重心转向工具的可得性与调用规模，直接对应AI治理与金融稳定监管的交叉议题。
- 存在局限
- 使用强度以NPM/PyPI下载量代理，作者明确承认无法观测已下载工具是否被实际调用，因此“action工具份额升至65%”这一核心趋势可能混入囤积式下载的噪声。地理结论依赖以西方用户为主的PyPI下载IP，加之GitHub仅纳入至少1星的仓库、注册表以Smithery为主，样本对非西方平台与未获星标的小型服务器存在系统性覆盖缺口，约50%使用集中于美国的判断不宜外推为全球格局。O*NET映射以职业层面的决策影响排名替代对具体工具后果的直接测量，把“编辑文件”与“转账”的差异压缩为区间阈值，任务域归属带有归类的间接性。全文以描述性统计与时间趋势呈现，未对工具增长与模型能力、平台政策等变量做因果识别；风险论述（如agent bank runs、级联失效）主要依托既有文献推演，尚未与本数据结果对接检验。
- 进一步研究方向
- 其一，把工具发布与下载数据同平台侧的实际tool call日志对接，量化“下载量—调用量”的偏离幅度，据此重估action工具份额的时间趋势。其二，选取金融交易、工作区权限管理、医疗数据访问等高风险工具族做纵向事件史分析，结合监管备案与事故披露，检验工具可得性的增长是否领先于实际风险事件。其三，将数据源扩展至非西方注册表与区域包管理器，重新估计地理分布并检验“美国占半”结论的稳健性。其四，针对AI共同编写服务器占比由6%升至62%的现象建立工具增殖速率模型，检验工具生产摆脱人类开发者瓶颈的递归自我改进假设。其五，与监管沙盒合作开展前瞻试点，把工具层指标嵌入预警体系并评估其预测效力，例如以高风险action工具的上架与下载增速作为触发复核的阈值。其六，用部署者访谈与配置日志校准O*NET风险映射的效度，明确stakes阈值的判定依据。
本综述由 AI（deepseek-flash）阅读开放获取全文自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Ethics and Social Impacts of AI