Puntos Clave
- Eficiencia de Tokens: El consumo desciende de 884.000 a tan solo 1.160 tokens por consulta, con un incremento de la precisión del 50% en tareas complejas.
- Tecnología: Framework SkillWeaver basado en Skill-Aware Decomposition (SAD), construido sobre el modelo Qwen2.5 de 7.000 millones de parámetros.
- Límite Operativo: El planificador no gestiona los errores en tiempo de ejecución; un fallo de API a mitad de la cadena bloquea todo el proceso de ejecución.
El problema del ruido informativo
Cuando un modelo de lenguaje debe orquestar miles de herramientas externas, el método bruto no funciona. Volcar toda la librería de funciones disponibles dentro de un único prompt genera una carga insostenible: en las pruebas de laboratorio se alcanzaron picos de 884.000 tokens solo para permitir que el agente "viera" las opciones disponibles. Es un cuello de botella que SkillWeaver promete eliminar de raíz, cambiando el enfoque de estático a dinámico.
La lógica de la descomposición
El núcleo del sistema es la Skill-Aware Decomposition. En lugar de cargarlo todo, el algoritmo divide la petición del usuario en un grafo de ejecución por nodos. Para cada sub-objetivo concreto, recupera únicamente las herramientas realmente pertinentes, ignorando el ruido de fondo. El resultado de la prueba, realizada sobre un benchmark propio de 300 solicitudes multi-paso que recurren a 2.209 herramientas reales del ecosistema MCP, es contundente: consumo reducido a 1.160 tokens y un salto de precisión del 50%. Surge un dato técnico relevante: los modelos de gran tamaño, si se dejan sin una guía estructural como SAD, tienden a fragmentar las tareas en pasos microscópicos y superfluos, empeorando el rendimiento final en lugar de mejorarlo.
Código cerrado, plantillas abiertas
Desarrollado en los laboratorios de Shanghái, el proyecto todavía no ha publicado el código fuente completo. Sin embargo, las plantillas de los prompts utilizados ya son de dominio público y resultan reproducibles mediante librerías estándar como LangChain o mediante scripts de Python personalizados. Queda, no obstante, un vacío estructural no menor: la gestión de errores en tiempo de ejecución está ausente del planificador. Si una llamada API falla durante la ejecución de un paso intermedio, toda la cadena lógica se interrumpe sin un protocolo de recuperación automático.
