Beyond Prompt-Based Planning: MCP-Native Graph Planning-based Biomedical Agent System

背景

生物医学代理（Biomedical Agents）旨在自动化复杂的生物工作流程，但在实际落地中面临两大根本性瓶颈：

1. 工具异构性：生物信息学工具在接口和执行环境上高度异构，缺乏统一标准。
2. 规划机制落后：当前的代理规划仍依赖于基于提示词（Prompt）检索扁平化的工具描述。

随着生物医学软件生态系统的不断扩张，工具覆盖率与上下文窗口大小之间的耦合问题日益凸显。这种耦合导致了工具混淆、规划不稳定以及执行效率低下。现有的基于大语言模型（LLM）的代理往往通过增加上下文窗口来容纳更多工具描述，但这不仅成本高昂，且难以保证规划的准确性。

核心内容

为了解决上述问题，研究团队提出了 BioManus，这是一个基于 MCP（Model Context Protocol，模型上下文协议） 原生的生物医学代理系统。BioManus 的核心创新在于引入了基于图结构（Graph-scaffolded）的规划机制，将非结构化的提示词检索转化为结构化的能力图谱推理。

1. BioinfoMCP Compiler：异构工具的标准化

BioManus 首先引入了 BioinfoMCP Compiler，这是一个关键的基础设施组件。它能够将各种异构的生物信息学软件转换为标准化的 MCP 服务器。这一过程使得原本分散、格式各异的生物信息学工具形成了一个大规模、可执行的 MCP 生态系统。通过标准化接口，不同来源的工具可以在统一的协议下进行交互和调用。

2. 类型化异构 MCP 图（Typed Heterogeneous MCP Graph）

BioManus 并非简单地将所有工具堆砌在上下文中，而是将上述生态系统组织为一个类型化的异构 MCP 图。该图包含以下四个核心维度：

• 工具（Tools）：具体的执行单元。
• 操作（Operations）：工具提供的具体功能动作。
• 数据类型（Datatypes）：输入和输出的数据格式定义。
• 工作流阶段（Workflow Stages）：生物医学分析流程中的逻辑阶段。

这种结构化表示使得代理能够理解工具之间的依赖关系和数据流转逻辑，而不仅仅是语义上的相似性。

3. 推理时的子图检索与脚手架合成

在推理（Inference）阶段，BioManus 不再检索整个工具库，而是根据具体任务检索紧凑的任务特定子图（Task-specific Subgraphs）。随后，系统基于这些子图合成操作级别的工作流脚手架（Operation-level Workflow Scaffolds）。

这种设计实现了规划复杂度与原始工具库存规模之间的解耦。在具有高召回率检索的情况下，其上下文压缩比达到 $\Theta(N / (h \cdot \bar{m}))$：

• $N$：工具总数。
• $h$：工作流视界（Workflow Horizon，即规划步骤的深度）。
• $\bar{m}$：每个操作对应的平均候选工具数量（且 $\bar{m} \ll N$）。

这意味着，随着工具库 $N$ 的扩大，只要工作流结构清晰，所需的上下文空间并不会线性增长，从而极大地提高了效率。

4. 实验验证

在 BioAgentBench 和 LAB-Bench 两个基准测试上的实验表明，与先进的生物医学代理基线模型相比，BioManus 在以下方面均有显著提升：

• 执行准确率（Execution Accuracy）：更准确地完成复杂的生物分析任务。
• 工作流有效性（Workflow Validity）：生成的工作流逻辑更严谨，错误更少。
• 上下文效率（Context Efficiency）：在更小的上下文窗口内实现了更优的性能。

关键要点

• 范式转变：可扩展的生物医学推理需要从“越来越大提示词层面的工具检索”转向“结构化的可执行能力图”。
• MCP 原生架构：利用 MCP 协议解决生物信息学工具接口异构的问题，实现了工具调用的标准化和互操作性。
• 图结构规划：通过构建包含工具、操作、数据类型和工作流阶段的异构图，替代扁平的工具描述列表，解决了工具混淆问题。
• 上下文解耦：通过检索紧凑的子图而非全量工具库，实现了规划复杂度与工具数量的解耦，显著降低了上下文窗口压力。
• 性能提升：在多个基准测试中，BioManus 在准确性、有效性和效率上均优于现有基线，证明了结构化规划在垂直领域代理中的优势。

意义与影响

BioManus 的工作标志着生物医学 AI 代理开发的一个重要转折点。它不仅仅是一个新的代理系统，更提出了一种解决“长上下文幻觉”和“工具爆炸”问题的通用方法论。

1. 对生物医学领域的意义：生物信息学工具种类繁多且更新迅速，BioManus 提供的标准化编译器和图规划框架，使得新工具可以更容易地集成到现有工作流中，加速了自动化生物发现的过程。
2. 对 Agent 架构的启示：该研究证明了在复杂任务中，结构化知识表示（如图谱）优于非结构化提示词。这对于其他领域（如金融、法律、医疗）的复杂代理开发具有借鉴意义，即通过构建领域特定的能力图谱来提升规划的鲁棒性和可解释性。
3. 推动 MCP 生态发展：BioinfoMCP Compiler 的实践展示了 MCP 协议在整合异构软件生态系统方面的巨大潜力，可能推动更多垂直领域采用 MCP 作为标准接口协议。

总之，BioManus 通过引入图结构规划和 MCP 标准化，解决了生物医学代理在扩展性、准确性和效率上的核心痛点，为构建下一代复杂领域智能代理提供了可行的技术路径。