你让 AI 客服改一张机票，真正难的往往不是“会不会点改签按钮”，而是先听懂你的要求，发现信息不够时继续追问，再根据系统返回的结果调整下一步。τ-Bench 正是为这种过程设计的工具 Agent 评测：Agent 不只要通过 API——软件之间约定的操作接口——查询或修改业务数据，还要在用户、Agent 与工具环境的多轮互动中遵守业务规则、完成任务。
当前仓库覆盖 airline、retail、telecom 与 banking_knowledge 等场景；每个场景都规定 Agent 要遵守的政策、可调用的工具和待完成的任务，并支持文字对话与实时双向语音。它值得关注，是因为一次函数调用成功，不代表整段服务可靠：用户会补充甚至改变要求，工具返回也会改变局面。
这类评测的分数仍要结合版本看。项目在 2026 年 7 月修正了部分 banking_knowledge 任务，旧版与 v1.0.1 及之后的该领域成绩不可直接比较；受影响的榜单结果已重新评分，其他领域不受影响。