
11月18日消息,中国人民大学,复旦大学和上海交通大学的研究团队提出 ToolSpace,面向工具中心的跨环境智能体环境合成框架。该方法包含两个核心环节。(1) 工具空间探索:从执行轨迹提取工具,构建工具组合图,并按工具关系组织环境与底层数据,使工具组合具备可追溯执行依据。(2) 跨环境可验证任务合成:沿工具图做状态感知随机游走,将走通的调用链转化为自然语言任务与验证脚本,并按难度与跨环境范围筛选可回放样本。
研究团队从训练与评测两方面验证:
七项长程工具基准全面提升: ToolSpace 合成数据在训练后带来稳定提升。ToolSpace-744B-A40B 综合性能由 44.6 升至 56.6,与 Claude Opus 5 持平。
构建更具挑战的升级基准: 构建 AutomationBench Pro 与 τ³-Bench Banking Pro,相比于标准版本更能检验智能体在更复杂工作流中的连续执行能力。
ToolSpace 将工具视为智能体执行任务的基本单元。为此,系统先从轨迹中还原工具之间有执行证据的连接,再将紧密关联的工具组织为环境,为其中需要持久状态的操作补齐底层数据。随后,系统在工具图上探索跨环境调用链,将可执行的链路转化为任务。整个流程由工具的连接关系牵引。
工具组合图建模。ToolSpace 收集了超过 20 万条智能体与工具交互轨迹,来源包括真实 MCP 服务、开放工具使用语料和真实工作区记录。不同来源的执行真实性不同,系统会分层筛选。对于合成环境中的轨迹,仅保留工具名称和参数结构与对应真实工具匹配的调用。
有了轨迹,下一步是找出工具之间的依赖。同一个工具换一组参数,可能产生不同结果,也可能通向不同的后续操作,因此图中的节点同时记录工具与规范化参数配置。系统再按确定性规则,从相邻调用中提取三类连接。
1. 数据依赖关注结果如何传递。例如,前一步返回文件 ID,后一步用这个 ID 读取文件。系统要求下游输入使用上游输出值,且字段类型匹配。
2. 状态依赖关注操作如何改变后续条件。例如,前一步修改某条记录,后一步读取或继续修改同一对象。识别这类连接需要检查对象及其状态是否衔接。
3. 重试依赖记录失败后的恢复路径。前一次调用返回错误,轨迹随后切换工具,并在下一次调用中成功,这段可恢复的错误与后续成功调用会一起保留。
这些连接由规则识别,边的权重来自轨迹中实际观察到的转移频率。系统会过滤低频边,并要求候选数据边的下游参数可追溯至上游输出,减少 limit=10 这类偶然匹配。
按需环境数据合成。ToolSpace 根据工具连接密度聚类,并结合真实 MCP 服务配置组织环境。包含创建、修改或删除工具的环境,需要生成底层数据库,并通过单元测试与状态变化检查。查询类工具返回的局部状态可用于初始化环境,无状态工具则在匹配的回放调用中复用缓存结果。这使系统能将数据库合成集中在确实需要维护和改变持久状态的环境上。
跨环境可验证任务合成
状态感知随机游走。工具组合图给出了可以探索的方向,具体调用能否继续,还取决于当前状态。ToolSpace 从绑定初始快照的节点出发,先检查下一步的输入能否从此前返回结果或当前状态中取得、执行前提是否满足,再按边权重抽样后继工具。轨迹中出现更频繁的连接,获得更高的抽样概率。
回退采样:抽中下一步后,系统会执行工具并更新状态。遇到调用失败,或结果与该连接要求的数据、状态关系不一致时,就恢复执行前的快照,重新选择路径。反复回退后仍无法继续的链路会被丢弃。通过设置目标调用长度与跨越环境数量等条件,系统可以生成不同复杂度的工作流。
可验证任务的反向合成。一条链路成功执行后,语言模型会根据调用过程及状态变化,反向生成自然语言任务。任务描述保留用户目标与约束,省去工具名称和调用顺序,让接受训练的智能体自行规划完成路径。
系统同时生成断言脚本,用程序检查最终状态、关键中间状态及必要的返回字段。随后,环境恢复到初始快照,调用链从头重放,只有全部检查通过才保留样本。每条样本都包含任务、验证脚本、工具链与初始快照,后续可以重新执行并检查结果。任务去重后,系统进一步生成教师轨迹,并用验证脚本筛选,供模型训练使用。论文在任务反向生成与教师轨迹生成两个环节均采用 Kimi K3。











