Zespół naukowców opracował Cartograph, nowy system federated do zarządzania odkrywaniem narzędzi w agentach AI korzystających z Model Context Protocol. Zamiast wymuszać agentów do przeglądania każdej definicji z rosnących katalogów, Cartograph zmienia złożoność obliczeniową z O(n) na O(k) poprzez progressive disclosure - progressive ujawnianie tylko istotnych opcji.
System łączy trzy kluczowe mechanizmy. Pierwsze to operator-attested capability cards - karty zdolności podpisane kryptograficznie Ed25519 przez administratora wdrożenia, a nie rankingi wydawcy. Drugie to Rift, zaawansowana metoda analizy skupisk opartą na trzech warstwach: clustering gęstości, analizie marginesów zapytań i diagnozie tokenów. Trzecie to dwuetapowe rankowanie, które ocenia najpierw serwery, a dopiero później narzędzia.
W praktyce Cartograph wykazał istotne rezultaty. Na sieci 22 serwerów z 374 narzędziami system ekspozycji zaledwie trzy narzędzia proxy. W benchmarku 49 zapytań Cartograph uzyskał R@5 0.816 w porównaniu z 0.592 dla tradycyjnego podejścia Jaccard. Wymiana dla top-5 odkrycia wykorzystała 475 tokenów zamiast 42450 przy pełnym katalogowym rozliczeniu. Rift zidentyfikował 49 skupisk potencjalnie mylących, w tym cztery o wysokim ryzyku. Dodatkowa opóźnienie bramy wyniosło średnio 5ms, co stanowi zaledwie 0.8% względnie do bezpośrednich wywołań MCP.