训练Agent连续调用工具，像教人操作一套复杂软件：每点一步，都要让真实系统返回结果，再决定下一步。问题是，这类“可执行环境”——能真正运行代码、查询数据库或改变网页状态的系统——搭建、运行和核验都很贵。EnvACE瞄准的正是这笔成本：让Agent先把环境的反应学进自己脑中。
具体来说，同一个模型轮流扮演两个角色：先作为Agent发起工具调用，再作为环境，生成这次调用可能带来的反馈，随后根据这份反馈继续行动。整段训练轨迹因此可以在模型内部展开，不必逐步查询外部环境。它还为“行动”和“模拟环境”分别计算训练基准，再用任务最终是否成功的奖励共同优化两种能力。作者称，这种“世界排练”在 BFCL-v4、τ-Bench、VitaBench 和 FinMCP-Bench 上总体优于扩大环境规模的基线；测试时也能先私下预演候选动作。不过，脑内环境若模拟错了，误差也可能沿长任务逐步累积。