Sierra 发布 𝜏-bench：评测真实场景下的 AI 智能体
Sierra 研究团队发布 𝜏-bench 基准，用于评测 AI 智能体在动态用户与工具交互中的表现和可靠性，包含 𝜏-retail 和 𝜏-airline 两个领域。
推荐理由：Sierra 提出面向真实场景的智能体评测基准，并给出 12 个模型在规则遵循与可靠性上的实测表现。
技术方向
MCP 与工具调用 最新动态
模型连接外部世界的协议与实践：MCP 生态、function calling、工具链集成的动态。
105 条精选近 30 天 23 条共收录 353 条
更新
精选归档 · 第 6 页
Sierra Blog精选AI 评分6464
Mistral AI精选AI 评分7878 Mistral AI 开放首个平台服务测试，提供三个对话端点与嵌入端点
Mistral AI 开放其首个平台服务 la plateforme 的 beta 访问，提供三个对话端点和一个嵌入端点。
推荐理由：Mistral AI 开放首个平台服务测试，给出三个对话端点和嵌入端点的模型、价格与基准表现，可据此判断其早期 API 能力边界。
Anthropic News精选AI 评分8686 Anthropic 发布 Claude 2.1，上下文扩至 200K token 并新增工具调用
Anthropic 发布 Claude 2.1，已在 API、Console 和 claude.ai 上线，上下文窗口翻倍至 200,000 token，约合 15 万词或 500 页以上材料。
推荐理由：官方给出 200K 上下文、幻觉率减半与工具调用三项能力变化，可据此判断长文档与企业集成场景的可用性。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 Agents.js：用 JavaScript 为 LLM 提供工具调用
Hugging Face 在 huggingface.js 下发布 Agents.js，一个可在浏览器或服务端为 LLM 提供工具访问的 JavaScript 库，通过 npm install @huggingface/agents 安装。
推荐理由：原文给出库的安装方式、代码示例与自定义工具接口，读者可据此判断如何在浏览器或服务端为 LLM 接入工具。
OpenAI News精选AI 评分8080 OpenAI 为 ChatGPT 引入插件支持
OpenAI 宣布为 ChatGPT 实现插件的初步支持。插件是专为语言模型设计的工具，以安全为核心原则，可帮助 ChatGPT 获取最新信息、执行计算或调用第三方服务。
推荐理由：OpenAI 官方给出 ChatGPT 插件机制的初步支持，读者可据此了解模型接入外部信息与服务的早期形态。