MoEngage 如何利用 AgentCore Gateway 将 400 多个私有 API 转为 Agent 工具
MoEngage 借助 Amazon Bedrock AgentCore Gateway 将跨 7 个 AWS 区域私有 VPC 运行的约 400 个内部 REST API 转换为权限隔离的 Agent 工具，免去了独立维护 20 多个 MCP 服务的开销。
#MCP/工具调用
#MCP/工具调用
今日 0 条AWS Machine Learning BlogAI 评分5454
arXiv cs.AIAI 评分3333 CASEL：面向长程工具调用智能体的后果感知选择性执行
研究者提出智能体运行时安全策略 CASEL，结合失败概率、后果及可逆性等维度，为工具调用动态分配直接执行、沙箱、人工审批等处理模式。在受控模拟中，CASEL 在同等算力成本下将有害副作用轨迹率从 14.75% 降至 7.02%，平均归一化危害从 0.184 降至 0.123。若移除可逆性感知路由，有害轨迹率则会回升至 15.53%。
AWS Machine Learning BlogAI 评分5050 基于 Amazon Bedrock AgentCore 构建企业级智能体平台架构
AWS 架构师团队推出了基于 Amazon Bedrock AgentCore 构建企业级智能体平台的参考架构与配套开源蓝图。该方案采用联邦运营模型，通过独立的平台控制面和按业务流隔离的工作单元单元格，统一部署推理网关、基于 MCP 的工具网关、短期凭证身份与细粒度配额。CI/CD 流水线设置了双向对抗评测门禁，确保每次 Agent 上线前严格验证合规调用与异常阻断。
AWS Machine Learning BlogAI 评分5959 AWS 详解如何用 CDK 在 Amazon Bedrock 托管知识库上构建智能体检索方案
AWS 介绍了如何通过 AWS CDK 在 Amazon Bedrock 托管知识库（Managed Knowledge Base）和 AgentCore 上构建企业级智能体检索系统。
arXiv quant-phAI 评分4747 QuantumMatterExplorer：用于发现量子多体物态的自主 Agent
研究人员推出基于大语言模型的自主 Agent QuantumMatterExplorer，仅需输入哈密顿量及参数范围即可自主运行数值模拟并绘制物态相图。系统结合持久规划与计算物理工具，采用 DMRG 计算并经精确对角化交叉验证。在受挫自旋-1链测试中，它在 8 小时计算预算内成功识别出 Néel、Haldane 和二聚化等候选相。
arXiv cs.AIAI 评分4444 超越收益指标：衡量 LLM 智能体技能内化以实现技能退役
研究人员针对 LLM 智能体技能库提出一种测量技能内化程度的方法，用于替代仅凭性能增益退役冗余技能的传统规则。实验显示传统增益规则会误删超半数模型与技能均无法胜任的未覆盖技能，而新方法在保证奖励不下降的同时复现率更高（Cohen's kappa 为 0.42 对比 0.23）。团队已开源涵盖 4 个模型、包含 1,251 个技能及其评测任务与评分的数据集。
arXiv cs.AIAI 评分5656 论文揭示失真的工具格式化器如何误导 Agent 及其验证器
最新论文指出，即便工具计算逻辑正确，其输出格式化器（formatter）若省略搜索上限或命名空间等关键元数据，也会误导 Agent 及其验证器输出并接受错误信息。对比实验显示，补齐完整格式化信息后，验证器对错误回答的误判接受率从 90/90 降至 0/90；作者还给出了审计 Prompt，并在 OpenClaw 等开源 Agent 系统中排查出同类问题并提交修复。
arXiv cs.AIAI 评分4242 TACS-RF：工具驱动的射频与毫米波模块智能体电路综合框架
研究团队提出 TACS-RF 框架，由基于 Claude Opus 4.8 的编程智能体直接驱动 Cadence 与 Ansys 等工业级 EDA 工具完成射频和毫米波模块设计。
arXiv cs.AIAI 评分5151 研究提出 Phronix 面向智能体的能力中心学习范式
研究人员提出面向智能体的能力中心学习范式 Phronix，使智能体能够从自身运行过程中自主提取、验证并沉淀可复用的能力。该系统通过预测、验证与校正闭环结合 MCP 工具提炼能力库，使重复任务的首发解决率提升至 93% 到 95%，热启动任务消耗降低至 0.38 到 0.40 million tokens。
arXiv cs.AIAI 评分3434 基于行为定位的工具使用智能体稳健软技能适应
研究提出面向工具使用智能体的行为定位（Behavioral Localization）方法，通过定位文本技能显著改变模型 token 分布的关键轨迹位置来监督短 soft prompt。
arXiv cs.AIAI 评分4545 AgentPolicyForge：从可执行环境到策略基准与自适应防护
研究提出 AgentPolicyForge 框架，利用可执行环境构建策略基准并迭代训练 AI 智能体的策略防护器（guard）。该框架构建的 PolicyGym 数据集涵盖 10 个策略族，包含 698 个训练场景与 254 个独立的人工复核测试场景。在 PolicyGym 评测中，最终防护配置相比提示词约束将攻击成功率相对降低 40-44%，并减少了良性误拒。
arXiv cs.AI精选AI 评分6161 论文揭示大语言模型智能体存在拒绝迁移失败现象
大语言模型在纯文本对话中拒绝的有害请求在工具调用场景下频繁失效，标准工具提示设置下有 10% 至 52% 曾被拒绝的有害请求仍会触发不安全的工具调用。研究团队构建了涵盖 4 个领域、2,304 个提示词的三元组基准并测试了 5 款模型，发现工具调用上下文中模型残差流的拒绝方向激活普遍下降。
推荐理由：原文通过对照基准和内部表征分析，揭示了大模型在文本对话中学会的拒绝机制无法有效迁移到工具调用行为。
AWS Machine Learning BlogAI 评分4949 Bayer Crop Science 如何基于 Amazon Bedrock AgentCore 构建智能体决策引擎
Bayer Crop Science 基于 Amazon Bedrock AgentCore 与 LangGraph 构建了多智能体决策引擎 ADE，首阶段在无需工程师介入的情况下可解决约 80% 的用户问题。
arXiv cs.LGAI 评分3939 先测量再分配：面向强化学习中 MCP Agent 的校准 Rollout 预算
研究人员提出了基于奖励分歧的 Discord 评估方法与 BRACE 预算分配框架，用于优化 MCP 环境下工具调用语言模型的强化学习训练。BRACE 通过结合历史任务证据、成功率不确定性及相关奖励模型，在前瞻性预测混合奖励组后再分配生成预算。在 3 种 Qwen3-VL 参数规模下，BRACE 以更少的新训练 rollout 超越基准表现，并在 BFCL 与 NESTFUL 上取得领先。
AWS Machine Learning BlogAI 评分3737 如何在符合 HIPAA 规范的环境中通过 Amazon Quick 部署 AI
Amazon Quick 作为符合 HIPAA 资质的智能体工作区，支持在 Web、桌面和移动端通过聊天智能体处理临床记录等非结构化内容与理赔等结构化数据。该服务提供预置连接器与基于 MCP 的自定义工具扩展，并具备 ACL 感知检索、聊天日志审计及行为护栏等治理能力。用户需在 AWS Artifact 签署 BAA 并完成权限与安全配置，以构建合规的工作流。
AWS Machine Learning BlogAI 评分4545 Rescale 如何借助 Strands Agents 和 AI-DLC 构建 AI 分诊智能体
Rescale 基于开源的 AI-DLC 软件开发方法论，在 5 天内完成了端到端测试故障分诊智能体的预发布部署。该智能体运行于 Amazon EKS 上的 Argo Workflows 流水线，调用 Amazon Bedrock 上的 Claude Opus 4.8 自动分类根本原因，并通过 MCP 查询 Pod 日志以生成修复报告。系统在数秒内即可完成处理并输出报告，数周内已推向生产环境。
Microsoft Research精选AI 评分7171 微软研究院推出 Flint-interactive 交互式数据可视化语言
微软研究院推出 Flint-interactive，这是一种基于 Flint 的交互式数据可视化语言，使 AI 智能体能够更可靠地生成支持点击、过滤、缩放和跨图联动的交互式图表。
推荐理由：原文通过编译器解耦交互语义与底层渲染逻辑，为解决智能体生成交互式图表时调试成本高和布局易出错提供了实用方案。
Cloudflare Blog精选AI 评分6161 Commerce.com 与 Cloudflare 如何让电商站点适配 AI 智能体
Cloudflare 与电商平台 Commerce.com 合作落地 WebMCP 浏览器标准，使平台近 100,000 个商户域名无需修改前端代码即可向 AI 智能体提供结构化调用工具。
推荐理由：文章展示了如何利用边缘规则为数十万多租户站点批量注入 WebMCP 工具，为电商平台低成本适配智能体购物提供了落地路径。
AWS Machine Learning BlogAI 评分4242 利用 AWS PrivateLink 保障企业网络安全访问 Amazon Quick
企业可通过 AWS PrivateLink 结合 Direct Connect 或 Site-to-Site VPN，实现本地数据源与 Amazon Quick 的全私网连接，避免流量暴露在公网。
AWS Machine Learning BlogAI 评分5353 基于 Strands Agents 构建端云协同的自适应智能体架构
AWS 介绍了自适应智能体智能架构 AAIF，通过 Strands Agents 结合本地小模型与云端 Amazon Bedrock 实现分层计算。该方案使用本地轻量模型 llama3.2:1b 自动分类与路由请求，常规物联网遥测和视觉分析在本地端侧低延迟完成，复杂多步推理则分发至云端模型处理。架构支持灵活适配纯边缘、全云端或混合部署，并可通过 MCP 服务实现跨设备的集中化工具调用。
arXiv cs.AIAI 评分4242 用于数据湖分析编程 Agent 的无监督工具演化框架 TEAL
研究人员提出无监督工具演化框架 TEAL，能在无标注数据下为数据湖分析编程 Agent 自动构建并优化工具库与使用技能。在 KramaBench 和 LakeQA 基准测试中，TEAL 在严格步数限制下全面提升了 4 种 Worker LLM 的表现，使 Sonnet-5 在 15 步限制下的得分分别提升 9.3 分与 21.7 分。此外，基于合成问题生成的工具库表现与真实问题相当。
arXiv cs.AIAI 评分3636 TURTLE：面向长程工具调用的自调优进化评测基准
研究提出长程工具调用基准框架 TURTLE，通过提议器、求解器与反馈生成器三类 LLM 智能体协同进化任务，实现评测集的自调优与规模化生成。在 Gemma 4 31B-it 上的实验显示，该方法在 AppWorld、$\tau$-Bench 和 AutomationBench 中显著增加了任务多样性，使 AppWorld 高难度任务占比提升 165%，并激发了更广泛的失效模式。
arXiv cs.AIAI 评分4949 EGI-BENCH：企业通用智能评测基准套件发布
研究团队发布统一的大语言模型智能体评测基准套件 EGI-BENCH，整合了 CRMARENA、MCP-UNIVERSE、LOCOBENCH 等 8 个企业级智能体评测，并通过单一命令行界面提供两种运行时预算执行模式。
AWS Machine Learning BlogAI 评分4545 从数据到决策：借助 Amazon Quick 与 Amazon Bedrock AgentCore 实现对话式供应链智能
亚马逊云科技展示了结合 Amazon Quick 与 Amazon Bedrock AgentCore 构建对话式供应链智能的方案。该架构将 Amazon Quick 作为前端交互界面，AgentCore 充当智能层，通过模型上下文协议（MCP）服务器将分散在 ERP、监控和采购等后端系统中的工具进行编排。
AWS Machine Learning BlogAI 评分5757 Smartsheet 推出 MCP Server 并通过 AWS 连接 Amazon Quick 与 Kiro
Smartsheet 正式推出支持超过 40 种工具的 MCP Server，允许 AI 智能体通过统一协议直接读写并管理项目数据与自动化流程。AWS 详细介绍了两种落地接入方式：业务人员可通过 Amazon Quick 内置连接器用自然语言查询与更新任务，开发者则可在 Kiro IDE 中直接关联项目规范并自动同步开发进度。
AWS Machine Learning BlogAI 评分5858 Smartsheet 推出 MCP Server 并支持接入 Amazon Quick 与 Kiro
Smartsheet 正式上线模型上下文协议（MCP）服务器，支持 AI 智能体通过标准化接口读取、写入和管理项目表格数据。该服务提供超过 40 种操作工具，可直接接入面向业务用户的 Amazon Quick 以及面向开发者的 Kiro IDE，实现通过自然语言更新任务状态与追踪依赖。其安全架构沿用原有权限体系与认证机制，服务器不保存提示词内容，确保企业级合规控制。
AWS Machine Learning BlogAI 评分5959 Eon 基于 Amazon Bedrock AgentCore 构建多云排障 MCP 网关实践
Eon 借助 Amazon Bedrock AgentCore 构建了统一认证的 MCP 网关，将跨 AWS、GCP 和 Azure 的多云排障工具访问整合至单一入口。
AWS Machine Learning BlogAI 评分5050 AWS 联合 Keyfactor 推出基于 X.509 PKI 的 AI 智能体身份安全参考架构
AWS 联合 Keyfactor 发布基于 X.509 PKI 的 AI 智能体身份安全参考架构，填补多智能体框架在 MCP 协议下缺乏内置身份认证的零信任安全空缺。
AWS Machine Learning BlogAI 评分5959 如何利用 AWS Agent Registry 实现运行时工具动态发现
AWS 推出通过 AWS Agent Registry 在运行时动态发现工具的实现方案，以解决智能体硬编码大量工具导致的上下文浪费与发版耦合问题。编排器通过语义与关键词混合搜索检索经审批的 MCP 服务器和 A2A 智能体元数据，随后动态创建临时客户端并在单次请求结束后销毁。该架构实现了工具注册与主程序解耦，调用凭证由独立认证链路管理，检索结果仅返回连接描述信息。
AWS Machine Learning BlogAI 评分4747 如何在 AWS 上通过 AtScale 与 Amazon Bedrock AgentCore 构建智能体语义层
AWS 介绍了如何结合 AtScale C2026.7 与 Amazon Bedrock AgentCore 为智能体构建多维语义层。该方案基于 Anthropic Claude Sonnet 4.6 规划并编写查询，利用 SML 规范建模并通过 AtScale MCP 服务器将单一模型同时暴露给 SQL、XMLA 和 MCP 协议。
arXiv cs.AIAI 评分4343 Reward Engine：面向开放式工具 AI 智能体的奖励中心自我进化机制
研究人员提出 Reward Engine，通过构建包含测试用例和分级准则的 RewardPack，为缺乏确定基准奖励的开放式工具 AI 智能体生成评估与强化学习奖励。
arXiv cs.AIAI 评分4545 MS-Eval：面向 MCP 密集型工作场景的子 Agent 委派与编排评测基准
研究者提出 MS-Eval 评测套件，用于量化评估 MCP 密集型场景下的主 Agent 委派与子 Agent 执行（MAD-SAE）范式。对 4 种变体和 8 款前沿模型的评测表明，子 Agent 专业化是最佳实践，开源模型普遍具有竞争力。MAD-SAE 虽普遍增加成本，但能让多数开源模型在性能和效率上双重获益，而闭源模型则出现成本上升且性能下降的现象。
arXiv cs.AIAI 评分5050 研究提出 SAI 协议：通过类型化 MCP 覆盖实现对 LLM 智能体的持久人类控制
研究团队提出 SAI（结构化权威注入）协议，通过类型化且经过 Schema 校验的 MCP 工具调用，解决 LLM 智能体在长周期规划中人类干预指令语义模糊与效力衰减的问题。
arXiv cs.AIAI 评分4343 ProgAgent：通过编程式训练学习工具编排
ProgAgent 提出完整的编程式工具调用（PTC）训练技术栈，通过运行期变量存储中间结果以避免上下文膨胀与编排崩溃。该方案仅用 4 种环境规模下的 215 个合成任务完成两阶段训练，在 4 个基准测试中均优于同规模基线。在 LOCA-bench 的 64k-token 环境状态下，ProgAgent-14B 取得 30.7% 通过率，而参评基线得分为零。
arXiv cs.AIAI 评分3434 TASA：面向组合问题的可追踪智能体优化
研究人员提出工具增强策略智能体 TASA，通过总结并利用优化轨迹提升组合问题的求解质量。TASA 将优化过程分解为可追踪的策略选择，并结合 LLM 构建的问题专属工具与自适应工具规划器高效更新解。该方法确立了持续探索下的局部收敛性，并在共享评估预算下验证了优异的解质量与搜索可追踪性。
arXiv cs.AIAI 评分3838 RASSG：面向流式工具执行的自我修正感知语义留存门控
研究者提出 RASSG 方法，用于在流式语音交互中联合控制工具的启动与取消，以应对用户自我修正导致的失效执行。RASSG 在连续 3 次语音识别结果产生相同非空参数时启动工具，并在产生不可逆影响前的最后可行时机，结合参数失效风险与执行成本决定是否取消。
arXiv cs.AIAI 评分3838 SAT-RL：利用符号求解器训练大语言模型逻辑推理的强化学习框架
研究者提出强化学习框架 SAT-RL，通过多轮工具执行训练大语言模型与 Z3 等符号求解器交互，以解决复杂逻辑与约束推理难题。该框架结合了具有可验证解的合成数据生成、基于求解器增强轨迹的监督预热，以及带有工具感知奖励的求解器强化学习。实验显示，SAT-RL 在领域内和跨领域的逻辑任务上显著提升了工具辅助的符号推理表现，相关代码已开源。
arXiv cs.AIAI 评分5656 arXiv 论文研究 MCP 中哪些元数据影响大语言模型的工具选择
研究表明在 MCP 体系中，参数架构是影响大模型工具选择的最关键元数据因素，且模型明显偏好独立的顶层参数而非复合结构。研究团队分析了 367,174 个 MCP 工具元数据，并在 5 款大模型与 5 项任务中开展了单因素控制变量实验。结果显示，解释参数的描述能提升工具选择率，而名称的影响较弱；参数设计会直接决定功能相同的工具能否被模型正确调用。
Apple ML ResearchAI 评分4848 先规划还是先检索？大模型工具发现架构的规模化研究
研究对比了大模型工具发现架构中的“先检索后规划”（RtP）与“先规划后检索”（PtR）两种范式。在涵盖 46,984 个 API 端点的 ToolBench 评测中，RtP 在单工具查询上表现更好，而通过先生成抽象工具桩进行检索的 PtR 在多工具查询上全面胜出，这一交叉效应在 Gemini 2.5 Flash 和 gpt-oss-120b 等模型上均一致存在。
AWS Machine Learning Blog精选AI 评分6464 AWS 提出 Agent 纵深信任框架：在不失控的前提下赋予智能体更多自主权
AWS 提出 AI 智能体治理框架“纵深信任”（Trust in Depth），借鉴网络安全纵深防御思想，旨在减少全量人工审批瓶颈的同时安全扩展智能体自主权。该框架涵盖运行前范围界定、部署时身份确认、运行时边界约束以及运行后全面观察四个阶段，并结合自动推理技术对明确规则进行形式化验证。
推荐理由：文章借鉴纵深防御理念梳理了智能体安全框架，展示了如何结合形式化验证与运行时隔离实现自主管控。