通过 grounded 交互合成扩展 Agent 能力

通用 Agent 智能依赖于与多样化工具的交互能力，而这受限于交互数据质量。现有方法依赖 LLM 无约束生成数据，往往导致偏差且缺乏多样性。本文提出 GAIS 框架，通过两阶段 grounding 机制自动构建多样化环境与复杂任务：首先基于真实 MCP 服务器构建协议锚定环境以确保功能性；其次利用结构引导规划生成长程、高保真任务。实验表明，GAIS 合成数据显著优于现有基线，使基础模型性能媲美甚至超越指令微调模型，且具有更高的数据效率与可扩展性。