跳到正文
10月16日周五
10月15日周四
  1. Google Developers Blog42

    Apigee hybrid 1.17.0 发布,支持在自有集群运行 MCP

    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。

10月14日周三
10月13日周二
10月10日周六
  1. Sierra Blog82

    Sierra 发布 Personal Agent Protocol (Poppy) 草案并公布35家设计合作伙伴

    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。

10月9日周五
  1. LangChain Blog62

    LangChain 发布 Restock 示例:构建可安全支付的 AI 智能体

    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。

10月8日周四
  1. LangChain Blog50

    LangChain Managed Deep Agents v0.9 发布:支持自主调度、按运行配置及 Slack 反应

    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。

10月7日周三
  1. Sierra Blog82

    Sierra 与 Meta 推出个人智能体协议 Personal Agent Protocol

    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。

  2. AWS Machine Learning Blog33

    基于 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行礼宾服务

    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。

10月6日周二
10月5日周一
  1. AWS Machine Learning Blog35

    使用 Amazon Bedrock AgentCore Evaluations 评估多智能体系统的可解释性与有用性

    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。

10月4日周日
  1. Hugging Face Blog85

    微软与 Hugging Face 联合发布 ThinkingBox:基于后端状态验证 AI Agent 可靠性的新基准

    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。

10月2日周五
9月30日周三
  1. OpenRouter Announcements68

    OpenRouter 发布 AI Agent 工具调用准确率测试指南

    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。

9月29日周二
9月24日周四
  1. Google Developers Blog62

    Google Cloud API Gateway 支持将 REST API 转换为 MCP 工具

    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。

9月18日周五
  1. GitHub Blog · AI & ML38

    GitHub Podcast 解析 AI 热点:RAG、MCP 与 Skills 并非互斥

    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。

9月17日周四
  1. OpenRouter Announcements53

    OpenRouter 发布构建可靠工具调用智能体循环的教程

    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。

9月16日周三
9月14日周一
  1. LangChain Blog62

    LangChain 发布 Managed Deep Agents Connections:支持托管凭证与按调用者身份隔离

    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。

9月11日周五
9月10日周四
9月4日周五
9月2日周三
  1. Google Developers Blog62

    Google 总结 AI Agents Challenge 优胜方案的四大工程模式

    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。

7月22日周三
7月10日周五
  1. Sierra Blog73

    Sierra 分享 AI 驱动公司转型经验:从角色智能体转向统一入口与主动式工作流

    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。

6月17日周三