LLM Agents Search Grounding System Architecture Cost Optimization
摘要

当前生产级 LLM Agent 依赖实时搜索,但原生搜索接地将检索策略、提供商选择及生成行为耦合在单一模型边界内,导致难以调试且引发冗余输出。本文提出解耦搜索接地(DSG)架构,通过兼容 MCP 的网关将接地过程移出推理模型,提供提供商路由、上下文渲染及缓存等独立控制。实验表明,DSG 在保持接近原生精度的同时,显著降低了搜索成本与延迟,并确保了输出的简洁性,证明实时接地应被视为可优化的接口而非固定模型特征。

AI 推荐理由

论文核心在于解耦搜索与推理,优化推理模型的外部 grounding 机制,虽涉及架构但直接服务于推理质量与效率。

研究机构
DoorDash, Inc.
论文信息
作者 Emmanuel Aboah Boateng, Kyle MacDonald, Amardeep Kumar, Siddharth Kodwani, Sudeep Das
发布日期 2026-06-17
arXiv ID 2606.18947
相关性评分 8/10 (高度相关)