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。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158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、Impress、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。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 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://github.com/X-PLUG/OSWorld-MCP

划重点: