Google OAuth 宣布支持 DPoP 以增强刷新令牌安全性
Google OAuth 平台现已支持 DPoP(RFC 9449)标准,专门用于对长期有效的刷新令牌进行发送方约束,以防御 Infostealer 恶意软件和中间人攻击导致的令牌窃取与重放。
Google OAuth 平台现已支持 DPoP(RFC 9449)标准,专门用于对长期有效的刷新令牌进行发送方约束,以防御 Infostealer 恶意软件和中间人攻击导致的令牌窃取与重放。
逐个挑选最相关的工具会留下缺口。HYSET 将工具作为整体进行评分。Recall@5:88.6% vs. 81.4%;任务解决率:69.9% vs. 61.8%。完整故事见我们的每周 AI 新闻与研究通讯 The Batch https://hubs.la/Q04zXp-p0 #DeepLearningAI #AIAgents
Apigee hybrid 1.17.0 正式支持 Model Context Protocol (MCP),允许将现有 API 转化为 AI 智能体可调用的工具。MCP 数据平面运行在用户自有的 Kubernetes 集群内,请求流量不离开本地基础设施,且无需新建服务账号或入站连接。该功能默认关闭,需通过 Helm 配置启用,适用于对数据驻留和主权有严格要求的多云及本地部署场景。
Anchor Browser 现已集成 Amazon Bedrock AgentCore payments,使 AI 智能体能通过 x402 协议自主处理 HTTP 402 Payment Required 响应并完成网页或 API 访问付费。
Orange Business 基于 LangChain 和 LangSmith 构建旗舰 AI 平台 Live Intelligence,已部署至 120,000 名员工并被 150+ 客户采用。
ShipStation Global 在 Amazon Bedrock AgentCore 上构建了名为 Deckhand 的 Slack AI IT 帮助台,解决了 97.5% 的入站查询并获得 96% 的员工正面反馈。
GitHub Copilot 支持通过 `.github/copilot-instructions.md` 定义仓库级规范,利用 `.github/skills` 封装可重复流程,并在 `.github/agents` 创建专用智能体。
Sierra 联合 Meta、OpenAI 等公司发布了名为 Poppy 的 Personal Agent Protocol 草案,旨在建立个人智能体与企业服务之间的标准交互协议。
推荐理由:原文公开了个人智能体协议草案及35家设计合作伙伴,明确了基于OAuth和MCP的标准交互流程,为开发者提供了构建智能体与商业服务对接的具体规范。
Managed Deep Agents v0.9 引入新 reactions API,支持通过决策模型或代码逻辑动态分配 emoji 以优化加载状态。该功能利用 TypeSafe Classifier 调用 Jev 等模型,根据上下文置信度选择表情,提升用户对智能体进度的感知与信任。
LangChain 推出 Restock 示例项目,演示如何利用 Managed Deep Agents、Stripe Link 和 Machine Payments Protocol (MPP) 构建具备真实支付能力的办公采购智能体。
推荐理由:原文通过 Restock 示例拆解了智能体接入 Stripe Link 与 MPP 协议的安全支付链路,展示了凭证隔离与人工审批的具体实现。
Google 推出 Developer Knowledge API 生态系统,为 AI 智能体和开发工具提供 Google Cloud、Firebase 和 Android 等官方文档的结构化程序化访问。
LangChain 发布 Managed Deep Agents v0.9,新增 Schedules SDK 允许智能体在对话中创建定时任务与提醒。该版本支持通过函数动态配置每次运行的模型、技能及 MCP 服务器,实现单部署多场景适配。同时引入 Slack 消息自动反应功能,默认添加 👀 表情以确认接收,提升交互体验。
Sierra 与 Meta 联合宣布推出开放标准“Personal Agent Protocol”,定义个人 AI 智能体与企业交互的方式。该协议基于 OAuth 构建会话,支持智能体通过网站、API(如 MCP)或企业自有智能体完成任务,并允许用户控制读写权限。
推荐理由:Meta 与 Sierra 联合发布个人智能体协议,旨在通过标准化接口解决智能体访问企业服务的身份验证与权限控制难题。
该方案利用 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 及 Managed Knowledge Base,为航空应用添加实时语音交互层。通过 Strands Agents 框架与 MCP 协议连接后端,实现座位变更、行程查询等自然语言操作。架构采用微 VM 隔离与按需扩展,支持用户无缝切换触控与语音会话。
Amazon SageMaker AI 通过 Agent Toolkit for AWS 发布 aws-ai-ml 技能,赋予 Kiro、Claude Code 和 Codex 等编码智能体推理优化与基准测试能力。该技能支持 MCP 协议,能自动生成 SageMaker Python SDK v3 代码并推荐部署配置,帮助用户在 10 分钟内完成从模型到生产环境的快速迁移。
Amazon Quick 推出基于 Amazon Bedrock AgentCore 的 MCP Server,实现开发到生产环境的跨账户资源自动化迁移。该方案支持 Chat agents、Action connectors 等资源的幂等 Upsert 操作,自动复制权限并保留版本化备份,解决了手动重建易出错且难审计的问题。
Amazon Bedrock AgentCore Evaluations 通过内置与自定义评估器,量化多智能体系统在供应链场景中的准确性、任务成功率及决策可解释性。该方案结合 Strands Agents SDK 构建编排架构,支持按需基准测试与在线持续监控,并配合 Guardrails 实现执行期安全约束,确保企业级代理符合业务逻辑。
微软和 Hugging Face 联合推出 ThinkingBox,这是一个用于评估 AI Agent 可靠性的新基准和环境。它不依赖模型的最终文本回复或工具调用记录,而是直接检查任务执行后留下的后端数据库状态和副作用(如工单是否真正关闭、退款是否到账)。
推荐理由:微软与 Hugging Face 联合发布 ThinkingBox,通过检查后端数据库状态而非仅看模型回复来评估 Agent 的可靠性,并提供了可复现的基准测试环境。
AWS 推出 Adjudicated Query 设计模式,利用 Amazon Quick 和大语言模型实现大规模租赁合同的合规性扫描。该模式将自然语言问题转换为对固定类型操作的调用,由确定性规则引擎执行实际判定,确保结果的可证明完整性和可辩护性。
OpenRouter 发布技术文章,详细对比 LangChain、CrewAI、OpenAI Agents SDK 等六个主流 Agent 框架在处理不同提供商(如 OpenAI、Anthropic、Google)工具调用 Schema 时的翻译机制与差异。
OpenRouter 发布指南介绍如何测试 AI Agent 的工具调用准确率,区分工具选择错误与参数传递错误两种失败模式。文章详解参考无关 LLM 评判、确定性 Schema 检查及轨迹对比三种方法,并提供通过 OpenRouter 统一接口对 Claude Opus 5、GPT-5.6 Sol 和 Kimi K3 等模型运行相同测试用例的代码示例。
推荐理由:原文拆解了工具选择与参数校验的独立测试逻辑,并提供了基于 OpenRouter 统一接口对比多模型准确率的代码实现。
Hugging Face 推出 ProvenanceGuard,一种针对基于 MCP 的 LLM 智能体的源感知事实性验证层。该工具通过保留证据来源身份,解决跨源混淆问题,在医疗场景测试中成功拦截 139 个错误声明中的 138 个,并在可识别来源时以约 86% 的准确率匹配正确源。
Google Cloud API Gateway 在公开预览中新增功能,允许通过注解现有的 OpenAPI 规范直接将 REST API 暴露为智能体可用的 MCP 工具,无需单独搭建或维护 MCP 服务器。
推荐理由:原文展示了如何通过注解现有 OpenAPI 规范,让 API Gateway 直接充当远程 MCP 服务器,消除了为智能体单独构建和维护 MCP 服务器的需求。
GitHub Podcast 驳斥“RAG 已死”和“Skills 杀死 MCP”等观点,指出三者解决不同问题且可共存于同一工作流。MCP 提供工具连接标准,Skills 封装团队专业知识,RAG 负责检索外部上下文以辅助生成。文章强调开发者仍需审查 AI 代码并具备判断力,而非盲目依赖或完全拒绝 AI 工具。
OpenRouter 发布教程,指导开发者使用 TypeScript SDK 构建可靠的工具调用智能体循环。该指南详细说明了如何定义工具、执行调用并返回结果,同时通过迭代上限和重复检测防止无限循环。文中还介绍了模型有序回退、Auto Exacto 提供商重排序以及集成 MCP 工具的方法,并对比了自建循环与使用 Agent SDK 的场景。
Mistral 宣布与 Mozilla 合作,其模型将驱动 Firefox Smart Window(beta)AI 浏览助手。该功能率先在法国和北美上线,支持多语言微调以适配本地语境,并默认不保存对话且实行零数据保留策略。
LangChain 为 Managed Deep Agents 推出 Connections 功能,允许开发者在 LangSmith 工作区中创建命名凭证,并通过 `connections.get()` 在运行时动态读取。
推荐理由:LangChain 为 Managed Deep Agents 推出 Connections 功能,通过统一接口解决智能体在共享凭证与用户级身份认证之间的管理难题。
Sierra 推出多模态智能体,支持在语音、文本和视觉间自动切换以优化客户体验。该方案通过 MCP UI 集成将产品卡片、对比表格等交互组件直接嵌入对话,并允许一次构建后跨所有渠道部署。
Mistral 与 Cloudera 宣布合作,将模型集成至混合数据平台以支持主权 AI。企业可在私有云、本地及全隔离环境中运行推理并训练定制模型,确保对数据和智能的完全控制。
LangChain 宣布重构其 Model Context Protocol (MCP) 支持,将其从独立适配器移入 `langchain.mcp` 主包,以匹配最新的无状态协议规范。
推荐理由:LangChain 将 MCP 支持整合进主包并适配无状态协议,开发者可借此简化智能体与工具的集成流程。
Google 在 Startups AI Agents Challenge 结束后,从高分提交中提炼出双向 MCP、事件驱动并发、同标准降级和分层路由四种核心工程模式。
推荐理由:原文从真实代码提交中提炼出双向 MCP、事件驱动并发等四种工程模式,为构建多智能体系统提供了可直接复用的架构参考。
Sierra 基于 Model Context Protocol (MCP) 构建统一 Gateway,连接 Slack、GitHub 等内部系统以支持 AI Agent。团队通过“Grab the lock”机制减少协调瓶颈,利用 `mcp-gateway.md` 文档约束 Coding Agents 行为,并采用最小化数据暴露策略防止跨客户敏感信息泄露。
Sierra 工程团队通过并行运行 Claude Code 和 Codex 等智能体实现了显著的效率提升,并成立了六人加速小组以推广这一模式。他们发现按角色划分多个智能体因增加用户记忆负担且割裂跨部门协作而失败,因此将所有功能合并为名为 Pinecone 的单一智能体,使其能自动识别请求并调用相应系统。
推荐理由:Sierra 分享了将全公司工作流整合到单一智能体的实践,指出业务上下文而非模型智力才是当前瓶颈。
Together AI 对 Kimi K2.7 Code 和 Claude Fable 5 进行落地页生成对比实验,结果显示 Kimi 平均成本比 Fable 低约 16 倍,整体成本低 94%。