thinkingbox：把工具当MCP、跑Agent并做评估训练

microsoft/thinkingbox 把「工具定义成MCP服务器、让LLM Agent去跑、再评估行为」收成框架，面向离线训练数据、强化学习回路和模型评测。[1]

做Agent评测/后训练的人可以直接看仓库结构和文档。

你更需要它当评测床，还是当RL数据生产线？

[1] microsoft/thinkingbox，GitHub，2026年10月23日查阅。

#thinkingbox #MCP #Agent评测 #开源 #微软