MCP 智能体间通信为何可能成为高风险协议
过去五个月，Google 和另外四家机构承认其 AI 智能体存在漏洞，攻击者可借一个内部智能体向其他智能体传播恶意指令。这种特殊提示词注入针对具体智能体而非 LLM，并利用下游智能体对上游智能体的明确信任。独立研究员 Syed Anas Mohiuddin 的概念验证攻击利用了 MCP 中的信任缺口。
#MCP/工具调用
Ars Technica · AIAI 评分6868 AWS Machine Learning BlogAI 评分5050 使用 Claude Code 和 Amazon Bedrock 加速受监管工作负载
Claude Code 可在 AWS GovCloud (US) 通过 Amazon Bedrock 调用 Claude Opus 5.5 和 Claude Sonnet 5.5，支持含 ITAR 要求的合规型 AI 辅助开发。两款模型均获 FedRAMP Class D 认证，可在终端和 IDE 中编辑代码、运行命令。
AWS Machine Learning Blog精选AI 评分6262 Amazon SageMaker 推出 aws-ai-ml 智能体技能，优化生成式 AI 推理
Amazon SageMaker AI 推出 aws-ai-ml 智能体技能，可让 Kiro、Claude Code、Codex 等 MCP 兼容编码智能体执行推理基准测试、推荐部署配置、比较性能结果并生成可执行的 SageMaker Python SDK v3 代码。
推荐理由：文章给出从安装技能到基准测试、实例选型和结果对比的完整流程，可迁移到现有 MCP 编码智能体工作流中。
AWS Machine Learning BlogAI 评分5252 Amazon Quick 如何实现自动化、可审计的跨账户资源晋升
AWS 展示了 Quick Resource Migrator，通过部署在 Amazon Bedrock AgentCore 上的 MCP server，自动将 Amazon Quick 资源从开发账户迁移到生产账户。
AWS Machine Learning BlogAI 评分5757 使用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性
AWS 展示如何使用 Amazon Bedrock AgentCore Evaluations 评估多智能体系统的有用性、业务准确性与可解释性。教程以供应链决策系统为例，依次使用内置评估器、业务规则自定义评估器和六类可解释性评估器，区分决策错误与解释不足。
Hugging Face Blog精选AI 评分8282 Microsoft ThinkingBox 用数据库终态检验 AI 智能体是否真正完成任务
Microsoft ThinkingBox 根据智能体执行后留下的数据库终态和副作用评分，并让507个有状态业务工作流各重复运行20次，以衡量结果一致性。在覆盖12个LLM、121,680次有效试验的消融中，79,853次未通过可执行检查，其中67.24%仍正常结束、调用了状态变更工具且未报告最终工具错误。
推荐理由：它把智能体评估从回答与工具调用转向数据库终态，并以连续20次运行揭示单次成功率难以代表工作流可靠性。
OpenAI NewsAI 评分4242 GPT-6 系列模型指南
OpenAI 发布 GPT-6 系列模型指南，帮助初创公司选择模型并调整推理投入。指南还涵盖提示词与技能优化、工具协调，以及面向生产环境的工作流准备。
AWS Machine Learning Blog精选AI 评分6969 如何使用 Amazon Quick 和 Adjudicated Query 模式批量检查数千份租约的合规性
AWS 介绍了 Adjudicated Query 模式，并提供可端到端部署的参考实现，用 Amazon Quick 对数万份租约执行合规检查。模型只负责把自然语言问题映射到六个固定 MCP 工具并叙述结果，正式判定由确定性规则引擎完成，完备性回执确保每条记录归入合规、违规、模糊或不可读类别。
推荐理由：该模式将自然语言交互限制在固定工具表面，并以确定性规则和完备性回执隔离高风险判断，提供了可迁移的合规架构。
AWS Machine Learning BlogAI 评分5555 如何通过 Amazon Bedrock AgentCore 为 Claude Desktop 添加安全 Web Search
AWS 介绍如何通过 Amazon Bedrock AgentCore Gateway 为 Claude Desktop 接入 Web Search，并以 JWT 入站鉴权保护通信。
Latent Space精选AI 评分7777 Airbnb 以“由内而外”路径改造内部开发与宾客体验
Airbnb 正以“由内而外”路径推进 AI 原生改造，先用 AI 加速产品开发，再将相关能力用于客服和宾客体验。公司称 60% 的代码由 AI 编写，功能与改进同比增加近 80%，工程师平均 PR 吞吐量提升约 1.6x，约一半客服工单已完全由 AI 解决。
推荐理由：Airbnb 将原型协作、组织上下文图、按场景模型评测和异步智能体串成落地路径，为大型软件组织推进 AI 原生改造提供了可迁移框架。
Latent SpaceAI 评分7575 Pi 1.0 与 Pi Durable 更新，支持 MCP 和智能体断点恢复
Pi 1.0 与 Pi Durable 更新，前者新增原生 MCP 支持、虚拟模型扩展、延迟工具加载和会话中系统消息等能力。Pi Durable 将 Pi 移植到 TypeScript 并外置有状态组件，可通过任务检查点在进程故障后恢复智能体与子智能体，同时支持并发分支会话、后台上下文压缩、状态同步和代码热更新。
Latent SpaceAI 评分6767 MIT Alex Zhang 谈学术界为何应押注有雄心的研究
MIT 的 Alex Zhang 认为，学术界应押注工业实验室不愿承担的研究方向，并通过更有主见的 harness 设计释放模型尚未利用的能力。他将 RLM 描述为一种以代码为核心工具、支持上下文卸载和递归调用子智能体的 harness，并讨论了其跨任务组合泛化潜力。访谈还涉及 AI 生成 GPU 内核的验证缺口、多智能体集群中的低效搜索，以及未来语言模型可能以隐藏的智能体集群呈现。
Latent Space精选AI 评分8686 为什么 Dwarkesh 对 Computer Use 的判断有误，以及 OpenAI 如何在 1 周内做出 Jev 竞品
OpenAI 的 Ari Weinstein 认为，Computer Use 近几个月已因自我调试、失败恢复和多种界面机制的结合而显著改变，部分任务可快于普通人。
推荐理由：访谈把 Computer Use 的模型与 harness 进展拆到具体机制，也还原了 Decisions API 一周原型冲刺的技术取舍。
Latent Space精选AI 评分8585 OpenAI DevDay 2026 推出 Dots、GPT-6.1 Sol 及多项 API 更新
OpenAI 在 DevDay 2026 推出常驻智能体 Dots、GPT-6.1 Sol，以及 Ultrafast、Decisions API、Agents API、ChatGPT Spaces 和 Marketplace，并披露 ChatGPT 达到 1.2 Billion WAU。
推荐理由：文章把 OpenAI DevDay 的模型、智能体和平台更新与独立评测并置，便于比较价格、速度与编码表现。
Hugging Face BlogAI 评分5151 ProvenanceGuard 为 MCP 智能体提供来源感知事实核验
ProvenanceGuard 是面向 MCP 智能体的生成后核验层，可在不重新训练智能体的情况下，逐条检查声明是否由答案所指向的正确来源支持。在40个答案的361条声明中，专家认为139条不应通过，系统拦截了其中138条；其 Reject/block F1 为0.802，并为每条声明输出来源 ID。面对多个相似来源时，其拦截 F1 为0.846，但精确识别来源的正确率为50.3%。
Hugging Face Blog精选AI 评分7878 H Company 发布 Holo4 通用计算机使用智能体模型系列
H Company 发布 Holo4 通用计算机使用智能体模型系列，包含 27B dense 和 35B-A3B 混合专家架构两种规格。Holo4 可通过 GUI、代码、MCP 和 API 操作软件，并同步推出 Holotron4 Nano 更新。
推荐理由：文章给出跨 GUI、代码、MCP 与 API 的训练设计，并公开基准轨迹和成本口径，便于复核性能比较。
GitHub Blog · AI & ML精选AI 评分7878 GitHub Copilot 中聊天界面何时不是合适的 UI
当任务需要反复操作、自定义界面或自动化开发流程时，聊天往往不是 GitHub Copilot 的合适交互方式。GitHub Copilot app 的 canvas 是运行在应用内的全栈程序，可与 Copilot 智能体双向通信、调用第三方 API，并在本机执行代码。
推荐理由：文章把重复操作从聊天迁移到可复用的自定义界面，并以数据库和开发流程示例说明如何减少 token 消耗与人工介入。
GitHub Blog · AI & ML精选AI 评分7272 GitHub Security Lab Taskflow Agent 用 LLM 智能体自动化 C/C++ 模糊测试
GitHub Security Lab 开源 Fuzzing Taskflow，可针对 GitHub 上的 C/C++ 项目自动识别入口、生成 harness、运行 AFL++、迭代提升覆盖率并分诊崩溃。
推荐理由：它把覆盖率反馈、语料演进与崩溃分诊串成自动化闭环，并给出智能体决策与 MCP 工具执行分离的工程方法。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，将近实时视频生成与原生实时对话模型结合，并已在 Gemini Enterprise 提供。
推荐理由：它将实时对话、流式视频与异步工具调用整合进企业智能体，为客服和交互导览提供更连续的多模态交互路径。
GitHub Blog · AI & MLAI 评分5656 GitHub 探讨 AI 生成代码审查、RAG 是否已死及 Skills 是否终结 MCP
GitHub 认为，开发者仍需审查并对 AI 生成代码负责，RAG 并未过时，Skills 与 MCP 解决的是不同问题。审查强度应随风险调整，MCP 提供连接工具和数据的标准方式，Skills 承载项目语境与流程，RAG 补充模型训练数据之外的相关信息。文章还将模型难以理解代码库视为可维护性压力测试，并主张通过实际构建和记录检验观点。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，两款模型面向近实时推理和生产级语音智能体。
推荐理由：两款模型把并行推理、视觉理解和后台工具调用融入近实时对话，为复杂语音智能体提供了更完整的生产级能力组合。
Google ResearchAI 评分5050 ToolGrad：利用文本“梯度”高效生成工具使用数据集
Google Research提出ToolGrad，以答案优先范式和文本“梯度”构建已验证API工作流，降低长链工具使用数据的生成成本。ToolGrad-12B在BFCL得83.1分，接近gemini-2.5-pro的83.2，并高于claude-4.5 Opus与gpt-5。
Mistral AI精选AI 评分7676 Mistral 发布 Agentic Search，提升复杂文档检索的准确率与效率
Mistral 发布 Agentic Search，通过多步检索循环让 AI 系统在复杂文档和多数据源中查找、浏览并核验信息，现已通过 Mistral Search Toolkit 及 Studio、Vibe 中的 Libraries 提供。
推荐理由：多步检索与文档内导航被纳入同一套默认工具栈，两项基准呈现了相对单次 RAG 的准确率、token 和延迟变化。
Hugging Face Blog精选AI 评分6363 Hugging Face 解析 AI 智能体中的 Harness、Scaffold 与关键术语
Hugging Face 梳理 AI 智能体领域的易混术语，将 Scaffold 定义为模型周围决定行为的层，将 Harness 定义为调用模型、处理工具调用并决定何时停止的执行层。文章还区分了模型、智能体、上下文工程、Policy、工具、技能与子智能体，并解释了 RL 训练中的环境、Trainer、Rollout 和 Reward。
推荐理由：文章以模型、Scaffold 与 Harness 的分层关系厘清易混术语，并串联上下文工程和强化学习训练环节，便于跨框架沟通。