网易首页 > 网易号 > 正文 申请入驻

开源框架教AI在MCP中玩转工具解决任务,实测效果超越GPT!

0
分享至

henry 发自 凹非寺
量子位 | 公众号 QbitAI

强化学习+任意一张牌,往往就是王炸。

专注于LLM+RL的科技公司OpenPipe提出全新开源强化学习框架——MCP·RL。

只需一个MCP Server的地址,agent就能自动发现工具、生成任务,通过强化学习在闭环反馈中摸索出最优调用策略。

在实测中,MCP·RL更是在2/3的benchmark上达到或超过SOTA性能,效果直接拉满。

不套公式,在“做中学”,这就是专属RL的power!

MCP·RL的做中学

想明白MCP·RL怎么个“做中学”法,咱们有必要简单过一下传统MCP的流程:

举个例子,假如你想让agent帮自己读邮件、分类、写回复,那么你就得提前设置好整个工作流:

准备邮件数据、注册工具、写prompt规划执行顺序。

此外,你还得设置回退逻辑,以防中途崩掉。

而这只是一个发邮件的例子,功能一多,配置量指数级上升。

最关键的是——你得知道怎么拆任务、调工具、写逻辑。

换句话说,agent就是在做你给他出的完形填空。

而你,我的朋友,要填除了空以外的所有东西。

MCP·RL的提出就是为了解决这一问题。

你只需提供MCP Server地址,不用配置工具、不用写prompt、不用人工标注。

模型就能自己发现工具、自己设计任务、自己实战训练,边跑边学。

简单来说,MCP·RL的训练流程分四步:

  • 发现工具:自动连接MCP Server,获取所有可用工具和参数。
  • 生成任务:根据工具信息自己“脑补”出一批使用场景,作为训练任务(数据)。
  • 实战训练:通过跑任务直接从经验中学习,搭配RULER评估策略,调参优化。
  • 测试泛化:用新任务检验策略泛化性,让agent越用越顺手。

总结下来就是:任务场景是什么?AI找;工具怎么用?AI学;流程怎么拆?AI想;效果好不好?AI试。

一位网友精辟的点出了这一转变:

  • 我们曾借助MCP让AI调用工具,而现在是AI反过来利用MCP。

那么,它的效果如何呢?

正如我们开头提到的,MCP·RL在2/3的基准测试中达到SOTA。

而在具体的部署层面,MCP·RL无需标注数据,适用于任何Server,无需定制MCP接口,开箱即用。

One more thing

MCP·RL是科技公司OpenPipe基于强化学习的智能体训练系统(Agent Reinforcement Trainer,ART)的最新项目。

ART是一个开源强化学习框架,其核心思想是让LLM从经验中学习,从而提高agent的可靠性,ART可以将GRPO集成到任何Python应用中。

在此前的实测中,ART(Agent Reinforcement Trainer)对Qwen 2.5-14B进行强化训练,其在一项电子邮件检索任务中表现优于o3,实现了SOTA(state-of-the-art)。


[1]https://x.com/corbtt/status/1953171838382817625
[2]https://github.com/OpenPipe/ART?tab=readme-ov-file#-notebooks

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
日本称疑似两架俄飞机进入其领空 已向俄方提出抗议

日本称疑似两架俄飞机进入其领空 已向俄方提出抗议

新华社
2026-11-17 10:30:03
71年前,伟人曾大胆预测:中国最晚将会在2030年之前赶超美国

71年前,伟人曾大胆预测:中国最晚将会在2030年之前赶超美国

疯狂的小历史
2026-11-17 11:40:14
12.8亿卖掉总统,卖掉工厂,卖掉国家,两年后两发子弹穿胸而过

12.8亿卖掉总统,卖掉工厂,卖掉国家,两年后两发子弹穿胸而过

墨策讲历史
2026-08-21 19:27:44
1981年,中办突然约谈李敏,商量毛主席遗产如何分配,她淡然表态:不多索取,只要爸爸给我的那一份

1981年,中办突然约谈李敏,商量毛主席遗产如何分配,她淡然表态:不多索取,只要爸爸给我的那一份

唠叨说历史
2026-11-16 17:33:29
万斯:愿为总统“挡枪”,想怎么骂我都行!

万斯:愿为总统“挡枪”,想怎么骂我都行!

看看新闻Knews
2026-11-17 13:18:31
东盟峰会晚宴合影细节藏深意,站位安排读懂大国外交分寸

东盟峰会晚宴合影细节藏深意,站位安排读懂大国外交分寸

兰妮搞笑分享
2026-11-17 12:37:35
国家出手4位亿万富豪被抓!个个丑闻恶劣又荒唐,早该迎来这一天

国家出手4位亿万富豪被抓!个个丑闻恶劣又荒唐,早该迎来这一天

叨唠
2026-11-17 05:55:08
也门胡塞武装:控制曼德海峡的目标已经达成

也门胡塞武装:控制曼德海峡的目标已经达成

参考消息
2026-11-17 12:35:04
根据马云对未来房价预言:200万买来的房子,到2030年能值多少钱

根据马云对未来房价预言:200万买来的房子,到2030年能值多少钱

云景侃记
2026-09-08 11:29:48
李嫣大概是上天派下来的天使吧,用自己的人生照亮了无数人的路

李嫣大概是上天派下来的天使吧,用自己的人生照亮了无数人的路

娱你同欢
2026-08-19 20:42:04
外交部正式官宣,三天后,深圳将取代雅尔塔?

外交部正式官宣,三天后,深圳将取代雅尔塔?

罗富强说
2026-11-16 11:09:32
高考700分被劝学医,如今靠父母养家,同龄工科毕业50万年薪!高分学医是浪费吗?医学利他性太强,北大医学部讲师:想转行就转吧

高考700分被劝学医,如今靠父母养家,同龄工科毕业50万年薪!高分学医是浪费吗?医学利他性太强,北大医学部讲师:想转行就转吧

梅斯医学
2026-11-16 07:57:02
演员叶璇:“我从20多岁,拍完《天下第一》之后,就财务自由了”

演员叶璇:“我从20多岁,拍完《天下第一》之后,就财务自由了”

韩小娱
2026-11-15 12:17:55
看了四集《多喜一家人》,我想说:中国年代剧的大门被蒋欣踹烂了

看了四集《多喜一家人》,我想说:中国年代剧的大门被蒋欣踹烂了

青橘罐头
2026-11-17 09:53:53
一男子将3000万存银行,银行承诺3年利息为4%,每年120万利息,可第三年只给105万利息,还有15万元不给了,男子直接起诉,法院判了

一男子将3000万存银行,银行承诺3年利息为4%,每年120万利息,可第三年只给105万利息,还有15万元不给了,男子直接起诉,法院判了

LULU生活家
2026-10-24 14:40:06
终于知道为什么大家都说医者不自医了,网友:扣电池的那个笑死了

终于知道为什么大家都说医者不自医了,网友:扣电池的那个笑死了

夜深爱杂谈
2026-11-11 21:58:22
西安事变过后,毛主席第一时间去劝周恩来:不要成为第二个张学良

西安事变过后,毛主席第一时间去劝周恩来:不要成为第二个张学良

凡人侃史
2026-11-16 16:11:51
日军投降前一夜有多疯狂?一个日本女军医:日军用刀劈开了一个人

日军投降前一夜有多疯狂?一个日本女军医:日军用刀劈开了一个人

小豫讲故事
2026-10-24 06:00:12
笑死,带对象回家家里人态度有多重视,网友:仇人都和好了

笑死,带对象回家家里人态度有多重视,网友:仇人都和好了

石辰搞笑日常
2026-11-17 03:35:58
焦元南:江湖人心(6/12)

焦元南:江湖人心(6/12)

金昔
2026-11-17 13:46:46
2026-11-17 15:12:49
量子位 incentive-icons
量子位
追踪人工智能动态
13688文章数 176601关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

顾军被公诉 通报批其大肆收钱敛财、搞权色交易

头条要闻

顾军被公诉 通报批其大肆收钱敛财、搞权色交易

体育要闻

从上链接到上领奖台 34岁方博绝非等闲之辈

娱乐要闻

后会友期大瓜:3位女演员被迫换车厢

财经要闻

财政部:中加双方同意探索扩大双边贸易

汽车要闻

多面新方盒捷途环游者EV开启预售 9.99万元起

态度原创

旅游
亲子
本地
教育
公开课

旅游要闻

“含娃量”有点高,南京两天接待游客266.4万人次

亲子要闻

4岁女儿嗓子有点发炎,又在家不上学了,可把她给高兴坏了

本地新闻

乌兰察布:以前种土豆,现在种Token

教育要闻

draft你只当成“草稿”,高考却用它考“被征召”

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版