微软HF发布ThinkingBox评估Agent一致性

发生了什么

据微软与Hugging Face联合博客，发布ThinkingBox用于评估AI Agent在业务工作流中的后端状态一致性。该工具运行Agent对隔离的MCP工具会话进行操作，随后对其留下的终端后端状态和副作用进行评分。研究通过一个客户包裹滞留的案例，展示了Agent执行九次工具调用后正确关闭工单的场景。