Paper page - MCP-Persona：通过环境模拟对真实个人应用中的LLM智能体进行基准测试

来源：https://huggingface.co/papers/2606.02470 作者：

,

,

,

,

,

,

,

,

,

,

摘要

MCP-Persona 基准测试评估了智能体在与个人账户和本地数据库交互的个性化工具上的表现，揭示了当前 SOTA 智能体面临的重大挑战。

模型上下文协议 (https://huggingface.co/papers?q=Model%20Context%20Protocol) (MCP) 已成为连接大型语言模型 (https://huggingface.co/papers?q=large%20language%20models) (LLM) 与外部数据源 (https://huggingface.co/papers?q=external%20data%20sources) 和工具 (https://huggingface.co/papers?q=tools) 的变革性标准，并已在个人应用和开发平台上迅速得到采用。然而，现有的基准测试 (https://huggingface.co/papers?q=benchmark) 主要聚焦于通用信息查询工具 (https://huggingface.co/papers?q=tools)，未能捕捉个人社交应用带来的实际挑战——在这些应用中，工具 (https://huggingface.co/papers?q=tools) 与个人账户或本地数据库交互。为弥补这一关键差距，我们推出了 MCP-Persona，这是首个专门用于评估智能体在真实个性化 MCP 工具 (https://huggingface.co/papers?q=tools) 上性能表现 (https://huggingface.co/papers?q=agent%20performance) 的基准测试 (https://huggingface.co/papers?q=benchmark)。MCP-Persona 涵盖了广泛使用的多样化应用，从 Reddit、小红书（Rednote）等社交媒体平台 (https://huggingface.co/papers?q=social%20media%20platforms)，到飞书（Lark）、Slack 等企业协作套件 (https://huggingface.co/papers?q=enterprise%20collaboration%20suites)。我们在多种最先进 (SOTA) 智能体上进行的广泛实验表明，它们在个性化工具使用 (https://huggingface.co/papers?q=personalized%20tool%20use) 方面存在显著困难，从而凸显了该基准测试 (https://huggingface.co/papers?q=benchmark) 在识别和解决这些局限方面的重要作用。MCP-Persona 公开可用，访问地址为 https://github.com/wwh0411/MCP-Persona}https://github.com/wwh0411/MCP-Persona。

查看 arXiv 页面 (https://arxiv.org/abs/2606.02470) 查看 PDF (https://arxiv.org/pdf/2606.02470) GitHub4 (https://github.com/wwh0411/MCP-Persona) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.02470)

在你的智能体中获取此论文：

hf papers read 2606\.02470

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接到此论文

请在模型 README.md 中引用 arxiv.org/abs/2606.02470，以从此页面链接它。

引用此论文的数据集0

没有数据集链接到此论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.02470，以从此页面链接它。

引用此论文的 Spaces0

没有 Space 链接到此论文

请在 Space README.md 中引用 arxiv.org/abs/2606.02470，以从此页面链接它。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 中，以从此页面链接它。