Webflow 如何用 MCP eval harness 测试 AI agent 是否正确使用其工具

Webflow 为它的 MCP server 搭建了一套 eval harness，用真实 agent（目前是 Claude Code 或 OpenAI 的 Codex CLI）在可丢弃的 Webflow 站点上跑多步任务，评分依据是 agent 的选择而非工具是否返回合法 JSON。