Schema 是一种对数据、知识或接口进行结构化描述的规范,在 AI 领域既指 JSON Schema 这类接口定义,也指本体和知识图谱中的模式层。随着大模型智能体快速发展,Schema 正从静态数据描述演变为智能体工具调用、记忆组织和知识溯源的核心基础设施,其安全性与可维护性成为近期研究热点。
Schema 在智能体安全中的角色
2025 年 11 月发布的一项研究指出,MCP 智能体存在工具提供方误绑定风险,五个主流客户端均受影响。问题根源之一在于工具的 Schema 描述与实际实现可能不一致,攻击者可利用描述层误导模型调用错误工具。相关防御方向上,CapLite 论文提出了无需模型自写安全策略的小模型提示注入防御方案,而 UC Berkeley 的 Frank Coyle 则建议将 Agent 护栏插入循环步骤之间,在每次结构化调用前后做校验。
Schema 驱动的知识与记忆表示
在知识结构化方面,AutoOntic 论文提出从文本自动构建本体,改进 GraphRAG 知识图谱的 Schema 层质量。越南法律本体论文则将法律问答溯源到具体法条版本,说明 Schema 的版本化管理在垂直领域同样关键。另有 tok 项目尝试用纯文本表示 BPMN/DMN 流程模式,让人和智能体都能读写。
在记忆系统方向,SoMem 提出让智能体自主组织记忆的链式文档方案,创业公司 Graphon 主攻智能体记忆问题并完成 3500 万美元 A 轮融资,反映出围绕结构化记忆表示的商业化投入正在升温。
当前焦点与观察点
目前的讨论集中在三个层面:一是工具 Schema 与实现的一致性安全问题,尚缺统一审计标准;二是自动构建本体的可靠性,AutoOntic 类方法能否替代人工建模仍待验证;三是记忆与知识的 Schema 版本化,法律等高合规场景已率先落地。随着 LangChain ToolRuntime 等框架把 context、state 与 store 明确分层,Schema 设计正从工程细节上升为智能体架构的核心决策点,值得持续关注。