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）。
