一句话看懂：一篇 arXiv 新论文用 1000 道运算符优先级算术题，对比原生函数调用、REST、SOAP、MCP 微服务、直接调用大模型和 Agent 调工具七类方案，发现在精确计算任务上，确定性方法的准确率与延迟都明显更优。这提醒开发者：Agent 不是默认答案，架构选择要按任务类型来定。
事件核心：发生了什么
该论文于 2026 年 10 月 20 日发布在 arXiv cs.AI（编号 2610.23921），目前公开信息仅为摘要，未核验全文实验细节。研究以一个必须保留运算优先级的 1000 道算术表达式基准展开对比：原生 Python 函数调用、REST、SOAP 与 MCP 微服务等确定性方法；通过 Groq 云 API 和五个本地 Ollama 模型直接作答；以及由五个本地 LLM 调用 MCP 工具构成的 Agent 系统。
摘要给出的结果是：确定性方法准确率 100%，延迟可忽略；直接让 LLM 回答最高准确率 92.9%，延迟是原生函数调用的 22000 倍以上；接入 MCP 工具后最好的 Agent 达到 99.9% 准确率，但延迟接近基线的 100 万倍。作者据此提出一个按准确率和吞吐需求选择架构的决策框架（ADF），代码已开放在 GitHub。
为什么重要
当前企业普遍在讨论用 Agent 自动化业务流程，但“能调用工具”不等于“适合这项任务”。这篇论文的价值在于把“开发速度、性能、运营成本”放进同一张对照表，用可复现的算术任务说明：对精确性要求高的环节，传统 API 和本地计算仍然更稳妥，Agent 带来的准确率提升有限，代价却是数量级上的延迟和算力开销。作者也提醒，真实交互往往同时包含推理和语言任务，因此建议按任务类型组合多种架构，而不是用大模型方案包打一切。
对用户/开发者/创作者的影响
对开发者而言，选型时可以先问“这一步是否可以由确定性代码完成”，再考虑 LLM 或 Agent。REST、SOAP、MCP 这类接口在稳定性与成本上仍有明确位置；Agent 更适合需要语言理解和多步推理、且能容忍延迟的场景。对企业采购和 AI 应用团队，这意味着不宜把 Agent 当作降本捷径，应把推理延迟和调用成本纳入评估。对普通用户，短期影响有限，但可以预期工具类产品会更倾向“模型理解意图、传统代码执行精确操作”的混合路线。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文全文是否公开更完整的测试条件，例如模型版本、并发和成本数据，以便复现；二是 ADF 框架能否被实际项目采用，形成可操作的架构选型清单；三是 MCP 生态的工程优化能否缩小工具调用的延迟差距。目前公开信息显示，这些都还停留在论文层面，不代表已有产品落地。
来源：arXiv cs.AI
