Cohere ATE 對照近 70 萬個 MCP 工具與職業任務，僅 2.6% 被判定可端到端完成

Cohere Labs 於 9 月 3 日發布 Agentic Task Ecosystem（ATE），把 2026 年 5 月從七個公開目錄收集的 696,291 個工具、123,069 個 MCP 伺服器整理成可下載的 Parquet 資料。團隊先跨目錄去重，再替每個工具尋找最相近的美國 O*NET 任務敘述，並要求語言模型把配對分成完整執行、只支援部分步驟或錯誤配對。資料集同時保留工具名稱、描述、職業與 SOC 代碼、餘弦相似度、判定理由及品質標籤，方便研究者重新過濾。

依其嚴格定義，只有 2.6% 工具被判定能從頭到尾完成一項 O*NET 任務；純查詢資料、傳送訊息或處理單一步驟者不算完整自動化。成功配對涵蓋 1,380 種任務敘述，約佔可由軟體執行任務的 15%；923 種職業中有 419 種完全沒有對應工具。理論上的 AI 暴露程度與實際 MCP 覆蓋量在 178 種職業間呈 0.54 相關，但工具數量無法說明它們觸及的是例行工作還是專業核心。

這套資料的重要性在於提供代理工具供給面的可查詢快照，可用來研究 MCP 生態重複建設、能力缺口或職業分布。然而，它沒有下載量、實際部署、成功率、安全性或長週期任務測試；工具描述也可能誇大實作。最近鄰檢索加語言模型判定仍會產生牽強配對，人工驗證亦只涵蓋部分分類。對工程與研究團隊而言，下一步應是加入可執行的 MCP 合規測試、版本與使用遙測，並建立中文及其他地區的職業任務本體；否則 2.6% 只能解讀為特定分類規則下的供給指標，而不是代理已能取代多少工作。