Open-Source Reinforcement Learning Framework MCP·RL Achieves State-of-the-Art Performance in Tool-Using Tasks

Full text · 原文 1,312 字

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

Site key	qbitai
Policy area	人工智能
Category	report

Open-Source Reinforcement Learning Framework MCP·RL Achieves State-of-the-Art Performance in Tool-Using Tasks

强化学习+MCP=王炸？开源框架教AI在MCP中玩转工具解决任务，实测效果超越GPT！