画鹈鹕卷不动了，那就看看哪个大模型更会点麦当劳

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 
  

  我的帖子已经打上 开源推广 标签： 是

  
  


• 
  

  我的开源项目完整开源，无未开源部分： 是

  
  


• 
  

  我的开源项目已链接认可 LINUX DO 社区： 是

  
  


• 
  

  我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是

  
  


• 
  

  以上选择我承诺是永久有效的，接受社区和佬友监督： 是

  
  

最近麦当劳推出了一个 MCP 开发比赛。研究了一下我发现，调用这套 MCP 完成一次点餐，本质上考的是 Agent 的长程任务规划和工具调用能力。

看了大家的参赛项目，目前基本都是用 MCP 做点餐助手。刚好“画鹈鹕“这个任务最近被大家跑得视觉疲劳了，我就想换个角度：设计一套足够复杂的测试集，看看不同模型面对这类任务时到底表现如何。于是有了 McBench。



这个是目前我跑了一些模型,包括deepseek、glm、gpt等,欢迎大家来补充哈

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

在线榜单：https://mcbench.velaios.com

GitHub 仓库：GitHub - leoz9/mcbench: McBench：真实商业 MCP 环境下的多维度 Agent 评测基准（基于麦当劳中国 MCP，离线可复现） · GitHub

试玩：pip install -e . && mcbench demo（不要 Token、不要 API Key）