在 Model Context Protocol (MCP) 下，具备代理能力的 大语言模型 (LLM) 每轮都会重新编码冗长的工具模式(schema)，导致前置填充(prefill)成本随序列长度呈二次增长，成为首 token 延迟 (TTFT) 的主要瓶颈，尤其当工具注册表规模扩大时更为明显。\ \ Nexus 的核心杠杆是将路由与模式前置填充成本解耦：使用 INT8 语义旁路缓冲区 (SLB) 搭配经过校准的 cross‑encoder margin gate 进行检索式工具选择；随后在压缩后的文本签名（中位数 19 token）上生成工具参数，而不是在拼接的 KV 缓存上直接生成。该路径与深度无关，路由准确率在工具数量扩展至 250 时仍保持约 89%，而传统的 "concatenate‑all‑schemas" 基线会直接溢出上下文窗口。\ \ 在速度方面，Nexus 能在首个参数 token 上提前 1.66 倍到达，并在主上下文中节省约 80% 的 token 使用量。\ \ 作为次要且受限的杠杆，Nexus 将编译好的 schema KV 块直接植入实时上下文。该方案受限于 Rotary Position Embedding (RoPE) 的相位漂移：锚定拼接位置能够保持输出精确，但脱离锚点的放置会破坏注意力，阈值约为 P=256。超出该阈值时，Nexus 通过深度自适应的后缀重新解码 (suffix redecode) 修复接缝，最坏情况回退到完整的前置填充。该机制保证输出保真度（top‑1 一致性，$D_{KL}\approx0$），但延迟可能在 0.98 倍左右波动后趋于持平；在中等深度下实现 1.1‑1.7 倍的 TTFT 加速，深度增大时回归持平。\ \ 两项负向结果为设计设限：一是 RoPE 的保真度边界；二是无参考漂移门 (reference‑free drift gate) 预测漂移失败（Spearman $\rho=0.193$）。\ \ 所有测量均基于单一模型组合 (Qwen2.5‑14B‑Instruct Q4_K_M) 在 Apple Silicon 统一内存上完成；虽然定量包络随模型元组而异，但定性边界具备可推广性。\ \ 博主点评：Nexus 通过语义检索和深度自适应拼接巧妙规避了传统 KV 前置填充的二次成本，展示了在大规模工具库场景下的实用性。尽管 RoPE 漂移仍是瓶颈，但其 "never‑regress" 的输出保证为实际部署提供了可靠的安全网。