TSCG：エージェント型LLM導入のための決定的ツール・スキーマ・コンパイル

要旨: プロダクションエージェントフレームワーク（OpenAI Function Calling、Anthropic Tool Use、MCP）は、ツールスキーマをJSONとして送信しますが、この形式は機械による解析向けであり、言語モデルによる解釈向けではありません。小型モデル（4B-14B）では、このプロトコルの不一致が、プロダクションのカタログ規模におけるツール利用失敗の大半を占めています。本稿では、API境界でこの不一致を解消する決定論的なツールスキーマコンパイラであるTSCGを提示します。TSCGは、モデルアクセス、ファインチューニング、実行時の探索を行うことなく、JSONスキーマをトークン効率の高い構造化テキストへ変換します。TSCGは8つの合成可能な演算子を組み合わせ、形式的な圧縮の上界（適切なスキーマに対して>=51%）を備えています。
TSCG-Agentic-Bench（約19,000回の呼び出し、12モデル、5シナリオ）では、TSCGによりPhi-4 14Bの精度が0%から84.4%へ回復します（20ツールで90.3%、50ツールで90.3%）。またBFCLの3つのモデルにおいて、108-181%の「精度維持比率」を達成します。フォーマット対圧縮の分解（R^2=0.88 -> 0.03）により、表現の変化が主要なメカニズムであることが示されます。最前線の3つのモデルに対する演算子ごとの分離分析では、3つの異なる演算子応答プロファイルが明らかになります：演算子を渇望する型（Opus 4.7）、演算子に敏感な型（GPT-5.2）、および演算子に頑健な型（Sonnet 4）。これにより、モデルごとのデプロイメント指針を提供します。スケーリング実験では、軽量な合成カタログで飽和が見られる一方、重いプロダクションのMCPスキーマにおいて精度の優位が維持され（入力約10,500トークンで+5.0pp）、全体を通じて52-57%のトークン削減が得られます。合成ベンチマークは、現実のMCPスキーマに対しても精度差0.1点以内で一般化します。TSCGは、1,200行のゼロ依存TypeScriptパッケージとして提供されます。