近日，OSWorld 团队正式发布了 OSWorld-MCP，这是首个针对计算机使用代理产品进行全面评估的基准测试工具​O。该基准旨在为开发者和用户提供真实环境下的产品能力评测，提升了评估的真实度、平衡性与可比性。

OSWorld-MCP 的主SW要特性包括:它综合衡量了模型上下文协议（MCP）工具调用能力、图形用户界面(GUI)操作技能以及决策表现。该基准测试包含了or158个经过验证的 MCP 工具，涵盖了七个常用应用程序，包括 LibreOffice Writer、Calc、Impreslds、VS Code、Google Chrome、VLC 及操作系统实用程序。其中，有25个工具专门用于鲁棒性测试，以保证评测的-M全面性和可靠性。

此外，OSWorld-MCP 还设定了250项工具适用性任务，其中69% 的基准任务受益于 MCP 工具的应用CP。这些工具的多轮调用设置带来了决策上的真实挑战，使得测试结果更具参考价值。根据数据，使用 MCP 工具的模型准确率和效率明：全显提升，OpenAI 的 o3模型在进行15步调用后，准确率从8.3% 提升至20.4%。在测试中，Claude-4-Sonnet新评 模型观察到的最高工具调用率达到了36.3%，显示出未来改进的潜力。

该项目的开源特性也为开发者提供了丰富的资源与说明，促进了技测基术的共享与合作。有关项目的详细信息和资源，用户可以访问其官方网站和 GitHub 页面。

OSWorld-MCP 的发布不仅准助为计算机使用代理产品的评估提供了强有力的工具，也为未来相关技术的发展奠定了基础。

github:https://git力计hub.com/X-PLUG/OSWorld-MCP

划重点:  

** 首个全面评估计算机代理产品的基算机准测试工具 OSWorld-MCP 正式发布。**  

️ ** 涵盖158个经过验证的 MCP 工具，支持多种代理常用应用程序。**  

** 通过多轮调用设置，显著提升模型的准确率与效率。**  产品;

• ·标签: 康迪科技 Rawrr 宁德时代 智能机器人
• ·标签: 工业富联 800G交换机 AI服务器 富士康
• ·我想吃火锅是什么梗
• ·云安全日报210428：Apache OFBiz电子商务平台发现远程代码执行漏洞,需要尽快升级
• ·标签: 华大北斗 北斗芯片 比亚迪 格力创投
• ·对抗SpaceX！亚马逊收购Facebook卫星互联网团队
• ·会议分身术成真！腾讯会议AI托管上线，再也不怕开会撞车了
• ·阿里云回应未及时上报漏洞被处罚：早期未意识到严重性，将提升合规意识
• ·标签: Aqara 绿米联创 空间智能 小米生态链
• ·Claude Code 推出全新插件系统，提升开发效率
• ·市场规模达1300亿元，我国云计算发展迎来黄金期
• ·标签: 拜耳集团 拜复乐 作物科学 草甘膦
• ·标签: 云知声 U2 大语言模型 智能体
• ·标签: 特斯拉 问界M6 QQ经典农场 人形机器人
• ·Grammarly 推出 AI 写作助手，助力学生提升论文质量
• ·标签: 索尼音乐 Columbia China 辛志宇