基于能力的智能体规划（CGAP）

研究团队提出智能体规划方法 CGAP，将工具目录确定性编译为 PDDL 模型并由经典规划器求解抽象计划，解决 LLM 智能体依赖试错且无法保证生成可执行计划的问题。在 ToolSandbox、ComplexFuncBench、BFCL multi-turn 和 $\tau^2$-bench retail 上配合三种 LLM 测试，CGAP 相比标准工具调用智能体最高提升 28.9 分。