牛透社 2025 年 11 月 5 日消息，OSWorld 研究团队发布全球首个计算机代理产品系统化评估基准测试工具 OSWorld-MCP。该产品通过模型上下文协议（MCP）工具调用、图形用户界面（GUI）操作技能与决策能力三大维度构建评估框架，集成 158 款 MCP 工具（含 25 个专属压力测试工具），覆盖 LibreOffice 办公套件、VS Code 开发环境、Google Chrome 浏览器等核心应用场景。

基准测试包含 250 项工具适配性任务（69% 依赖 MCP 工具完成），数据显示，采用 MCP 的代理模型准确率显著提升：OpenAI 的 o3 模型任务准确率从 8.3% 跃升至 20.4%，Claude-4-Sonnet 模型工具调用率达 36.3%。研究团队同步开源技术文档及代码（项目资源详见 GitHub 平台），推动行业标准统一。业内专家指出，该工具填补了计算机代理产品系统性评测领域的空白。