微软与Hugging Face发布Agent评测框架
微软与Hugging Face联合介绍ThinkingBox，用隔离的MCP工具会话运行AI代理，并通过检查数据库状态和实际副作用评估任务是否真正完成。该框架指出，代理声称完成任务并不代表后端状态已正确更新，可用于发现工具调用链中的隐性失败。
事件进展（1 篇报道）
-
2026-10-04 06:56Hugging Face Blog The Agent Said It Was Done. The Database Disagreed.