你让 AI 查业务系统，工具却一直转圈、突然报错，或一本正经地返回错数据。此时，模型更大就更可靠吗？这项研究给出的答案是：未必。研究者做了 MCP-Injector——一个插在 Model Context Protocol（MCP，让 AI 以统一方式连接外部工具的“通用插座”）调用路径上的故障注入工具，主动制造延迟、无响应、错误值等现实故障，观察智能体会不会被带偏。
研究团队从 1,774 个开源 MCP 仓库的 57,240 条 issue 和 pull request 讨论中整理故障分布，再用它设计测试。在覆盖两种模型规模、三套智能体框架的实验中，任务得分在故障下从 10 分制的 8.08 降至 3.23，跌约 60%。更反直觉的是，在受测的两个 gpt-oss 模型中，120B 模型并未比 20B 保住更多原有表现；故障下的完成率反而是 91.1% 对 95.6%。不同智能体框架之间却有差异，提示重试、报错处理和替代方案等系统设计，可能比单纯扩大模型更关键。结论仅适用于论文测试的模型、框架与故障设置。