清华大学与阿里巴巴达摩院发布MCPEvol-Bench基准，首次评估LLM Agent在动态工具环境中的适应力。通过11种突变算子模拟MCP服务器演化，测试123个服务器和12个模型，发现顶级Agent性能下降13.7%-14.4%，暴露静态基准的局限，凸显动态适应能力瓶颈，为AI应用部署提供质量保障。