语言代理越来越多地通过外部工具和交互环境执行任务，这使得模型与可执行能力之间的接口成为决策过程的一部分。模型上下文协议（MCP）和命令行接口（CLI）可以在语义上提供相同的操作，但在模型可见的表示上差异显著。我们提出 匹配接口比较与分析（MICA），它从共享的语义动作合约生成 MCP 与 CLI，并将解码后的动作路由到同一运行时环境。实验在六种模型和三种交互环境中进行，结果显示，即使能力完全匹配，接口差异仍导致任务成功率和交互成本出现显著分歧，差异体现在语义动作选择、失败路径以及恢复策略上。通过匹配状态探针，我们定位了对能力呈现、实现方式和反馈的敏感性。对比自然轨迹表明，在 2,004 条实验中有 94.3% 的情节出现结构化分歧，且早期差异会在后续交互中持续放大。基于此，我们提出 解耦动作实现与针对性修复（DART），在保持已验证语义承诺的前提下，对接口特有的实现进行修复。DART 在所有六个评测设置中提升了最高 9.0 分的基准得分，并在三种环境中将 MCP 的 token 消耗降低至最高 27.1k。整体结果表明，接口表示本身是闭环决策环境中的直接干预边界，决定了语言代理的行为表现。
点评