Amazon SageMaker AI 为编程 Agent 推出生成式 AI 推理优化技能 aws-ai-ml
Amazon SageMaker AI 通过 Agent Toolkit for AWS 推出 aws-ai-ml 技能，为编程 Agent 赋予生成式 AI 推理优化与基准测试能力。
#MCP/工具调用
#MCP/工具调用
今日 0 条AWS Machine Learning BlogAI 评分4848 AWS Machine Learning BlogAI 评分4747 使用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与实用性
Amazon Bedrock AgentCore Evaluations 提供针对多智能体系统的全托管评估能力，支持在开发与生产阶段衡量系统准确性、任务完成度及决策可解释性。方案提供评估通用维度的内置评估器，以及校验业务约束、路径可行性与决策依据的自定义评估器。系统同时支持用于 CI/CD 与回归测试的按需模式，以及用于生产监控告警的在线模式。
AWS Machine Learning BlogAI 评分4343 让 Amazon Quick 具备企业级能力：自动化、可审计的跨账户资源迁移
AWS 推出基于 Amazon Bedrock AgentCore 的 Quick Resource Migrator 示例 MCP 服务器，实现 Amazon Quick 资源的自动化跨账户迁移。该工具支持智能体、连接器、知识库等资源的幂等更新与权限复制，并在变更前向 Amazon S3 写入版本备份以支持回滚，源码已在 aws-samples 开源。
arXiv cs.AIAI 评分3939 行动前先选择：长流程工具调用 AI 智能体的比较价值评估
研究人员提出 CITA 框架，让长流程工具调用 AI 智能体在实际执行动作前对比评估候选工具调用的长程价值。该框架结合工具行为记录、贝叶斯工具图模拟器监督与大语言模型语义判断训练出 CIM 模型，精准评估候选调用对任务成功的支持概率。在 3 个工具调用评测基准和多个骨干大语言模型上，CITA 均持续提升了 Tool F1 与任务成功率。
OpenAI NewsAI 评分3737 GPT-6 系列模型指南
OpenAI 面向初创企业提供 GPT-6 系列模型使用指南。内容涵盖如何挑选适配的 GPT-6 模型、调节推理力度（reasoning effort）、优化提示词与技能（skills），并指导如何协同工具以构建面向生产环境的工作流。
Cloudflare Blog精选AI 评分7272 Cloudflare 为 Quick Tunnels 推出 Protected 功能，支持免账号邮箱身份验证
Cloudflare 在 cloudflared 2026.9.3 中为 Quick Tunnels 推出 Protected 功能，支持通过 --allowed-mail 参数限制特定邮箱或域名访问，双方均无需注册 Cloudflare 账号。
推荐理由：针对智能体开发中临时暴露本地端口的安全风险，原文给出了无需账号即可添加邮箱白名单的具体实现与安全边界。
Cloudflare Blog精选AI 评分6464 Cloudflare 推进企业级功能普惠：Logpush 全面开放并大幅上调 Workers 等产品配额
Cloudflare 宣布多项原企业级专属功能全面下放给所有套餐用户，并承诺未来不再推出仅限企业版的新功能。Logpush 与支持 SQL 过滤转换的 Transformers 现已支持按量付费和免费层级，控制台同步上线多账户创建功能与 Organizations 集中管理能力。
推荐理由：原文梳理了企业级架构向全量用户下放的具体节奏，开发者可据此评估多账户架构与配额放宽带来的工程收益。
Cloudflare BlogAI 评分5454 Cloudflare 推出 Cloudflare Traces 公测版，支持全链路追踪与 MCP 智能体排障
Cloudflare 宣布推出全链路分布式追踪工具 Cloudflare Traces 公测版，将自动链路追踪从 Workers 扩展至整个请求路径。系统自动捕获安全规则评估、URL 转换、路由、缓存决策及源站耗时等跨度，支持 W3C 标准上下文透传与 OpenTelemetry 导出。
Cloudflare BlogAI 评分5454 Cloudflare 发布统一可观测性平台并推出 8 项重大更新
Cloudflare 推出统一可观测性平台及 8 项核心更新，将日志、端到端链路追踪、域名分析与自定义告警整合到统一界面与计费体系中。新平台提供统一 SQL API 与 MCP 服务器，支持开发者和智能体直接查询 Workers 及边缘网络遥测数据。此外端到端 Tracing 正式开启公测，Logpush 数据导出功能也向所有自助服务计划全面开放。
AWS Machine Learning BlogAI 评分4949 通过 Amazon Bedrock AgentCore 为 Claude Desktop 添加安全 Web Search
Claude Desktop 可通过 Amazon Bedrock AgentCore Gateway 接入兼容 MCP 的 Web Search 功能，解决知识截止限制。
AWS Machine Learning BlogAI 评分5555 AWS 推出 Adjudicated Query 设计模式：结合 Amazon Quick 审查海量租约合规
AWS 介绍了 Adjudicated Query 架构设计模式与开源实现，结合 Amazon Quick 与确定性规则引擎，解决大规模租赁合同等高风险场景中的合规审查问题。
Latent SpaceAI 评分7373 Airbnb CTO 详解由内而外 AI 改造：重构工程研发与用户体验
Airbnb 正通过由内而外的策略推进 AI 原生化改造，目前其内部已有 60% 的代码由 AI 编写，约半数客服工单由 AI 独立解决。CTO Ahmad Al-Dahle 透露，团队通过构建名为 Everest 的内部组织上下文图，将机场接送等新业务的研发周期从数月压缩至约 6 周，同时针对编程任务选用最强前沿模型，在搜索等低延迟场景下对小型开源模型进行后训练。
Latent SpaceAI 评分4343 AINews：Pi 1.0 与 Pi Durable 发布，及 AIE NYC 动态
Pi 1.0 与 Pi Durable 正式发布，Pi 1.0 原生支持 MCP 并加入 Anthropic 模型缓存预热，Pi Durable 则移植至 TypeScript 并实现检查点崩溃恢复与并发分支。
arXiv cs.AIAI 评分4444 Sapien：面向自主 AI 智能体的有状态策略引擎
研究人员推出用于自主 AI 智能体的有状态策略引擎 Sapien，通过规范工具调用序列防御恶意操作，效用损失保持在无约束智能体的数个百分点以内。即使智能体被完全劫持，Sapien 在 AgentDojo 与 Toolathlon 上仍分别排除了 93-95% 和 62-85% 的攻击，在长程任务中的防御效果达到工具白名单的 2 倍。
arXiv cs.AIAI 评分3939 空间策略而非底层动作：将矢量量化测地线作为 LLM 智能体工具
研究提出一种将几何工具与大语言模型结合的智能体架构，通过矢量量化测地线轨迹并生成自然语言描述作为策略工具，实现分层决策与控制。基于开源视觉语言模型 Qwen3.6-35B-A3B 在动态 2D 网格环境中测试，配合缩放与碰撞检测工具，非推理配置的目标达成率追平了高成本思维链版本，同时将单次决策耗时从数分钟降至数秒。
arXiv cs.AIAI 评分3636 ContractRL：面向可审计工具调用修复的屏蔽式群体相对策略优化
研究人员提出 ContractRL 协议，通过动作掩码过滤违规操作，将验证器引导的工具调用 JSON 修复建模为有界决策过程。在测试中，ContractRL 仅生成 34.4 个 token 即达到 0.9362 的语义成功率，表现优于 Patch-SFT（0.9076 成功率、44.9 个 token）以及完全重新生成（0.9148 成功率、137.2 个 token）。
AWS Machine Learning BlogAI 评分3939 基于 Amazon Bedrock AgentCore 智能体 AI 扩展云迁移规模
AWS 介绍了基于 Amazon Bedrock AgentCore 的四智能体架构模式，在超 300 款应用迁移项目中将单应用 IaC 开发时间从 3 至 4 周缩短至数分钟。该方案基于 Strands Agents SDK 与 MCP 工具构建，包含 Intake、IaC、治理及 SRE 智能体，可与 AWS Transform 及 AWS DMS 协同覆盖企业定制化迁移与运维需求。
TechCrunch · AIAI 评分7070 专访 Airbnb CEO Brian Chesky：AI 智能体需要属于自己的操作系统
Airbnb 联合创始人兼 CEO Brian Chesky 在专访中表示，单纯的聊天界面不适合电商和旅行浏览，消费级 AI 普及需要底层操作系统与互操作协议支持。
arXiv cs.AIAI 评分4848 利用可复用原语在测试时组装任务专用 AI 智能体 Harness
STITCH 框架通过可复用的 Harness Primitives 在测试时按任务动态组装 AI 智能体 Harness，无需临时生成或修复代码。该方法超越了 Codex CLI 等人工设计的 Harness，将任务成功率较固定 Harness 基线提升最高 12 个百分点。其测试时组合开销仅 2.7%，比从头生成专用 Harness 的效率高出 638 倍。
Cloudflare Blog精选AI 评分7676 Cloudflare 推出面向 AI 智能体的变现与控制工具
Cloudflare 宣布推出针对 AI 智能体流量的变现与控制工具，包括内容实际使用时才结算的 Pay Per Use，以及基于 x402 协议让智能体直接付费的 Monetization Gateway。
推荐理由：原文给出了针对 AI 智能体流量从身份验证到按次计费的完整变现方案，有助于读者评估内容站点在流量结构转变下的商业对策。
arXiv stat.MLAI 评分5050 RLTL;DR：通过内化自生成反馈实现模型自我改进
研究团队提出 RLTL;DR 方法，让模型在任务失败后根据验证器反馈自生成精炼洞见并反向传播内化，解决了无成功范式下的自我强化学习冷启动问题。在 Pass@128 为 0 的高难度工具调用与编码测试中，该方法使 Qwen 3.5 9B Thinking 在评估阶段无上下文洞见时的 Pass@1 提升至 12%-13%，而标准 GRPO 仅为 0%-1%。
TechCrunch · AIAI 评分7171 OpenAI 扩展 ChatGPT 插件功能，支持类 App 交互界面与自动化
OpenAI 在 DevDay 上推出 ChatGPT 插件扩展功能，允许开发者在侧边栏构建具备交互面板与自定义文件查看器的类应用体验。开发者可使用全新的 Plugin Creator 工具构建并提交插件，同时 ChatGPT Sites 也可托管这些扩展供团队使用。此外，该平台支持 MCP Events 规范，允许插件根据关联应用内的事件触发自动化流程。
Cloudflare Blog精选AI 评分6666 Cloudflare 开启 Monetization Gateway 内测：利用 HTTP 402 为 AI 智能体调用按次收费
Cloudflare 宣布推出 Monetization Gateway 内测版，允许域名所有者通过 HTTP 402 状态码直接向访问网站、API、MCP 工具或数据集的 AI 智能体按次收费。
推荐理由：该功能将 HTTP 402 与稳定币结合，为数据与 API 服务商免去账号绑定、直接按次向 AI 智能体收费提供了可落地的基础设施方案。
Cloudflare Blog精选AI 评分6767 Cloudflare Workers 推出 Issues 公测版，支持将生产报错直连编码 Agent
Cloudflare 宣布为 Cloudflare Workers 推出内置错误监控功能 Issues 并开启公开测试，支持自动归类生产异常并直接推送至编码 Agent。
推荐理由：该功能打通了生产环境遥测数据聚合与编码智能体修复之间的断点，让开发者无需手动复制报错日志即可触发自动化排查。
Cloudflare Blog精选AI 评分6363 Cloudflare 升级域名搜索并支持 AI 智能体通过 MCP 与 CLI 注册域名
Cloudflare 宣布全面重构 Cloudflare Registrar 域名搜索体验，并扩展面向 AI 智能体的域名管理能力。开发者和智能体可通过扩展后的 Registrar API、Cloudflare MCP 以及新发布的 cf CLI 实现自动查询、注册及转移 420 多种域名后缀。
推荐理由：Cloudflare 将域名注册流程接入 API 和 MCP，为开发者展示了如何让 AI 智能体直接调用基础设施完成自动化资源配置。
The Decoder精选AI 评分8686 OpenAI 在 DevDay 发布全新 ChatGPT：集成工作区、文档协作与应用生态
OpenAI 在 DevDay 宣布了一系列 ChatGPT 重大更新，推出开放插件扩展、团队共享工作区 Space、协作文档 Pages 以及多方协作幻灯片 Slides。
推荐理由：材料梳理了 ChatGPT 从对话框转向操作系统的多项产品更新，读者可借此评估其向工作区协作与开发者生态扩张的实际边界。
GitHub Blog · AI & ML精选AI 评分7272 GitHub Security Lab 推出基于 Taskflow Agent 的自动化模糊测试流水线
GitHub Security Lab 开源了面向 C/C++ 项目的自动化模糊测试流水线 Fuzzing Taskflow，可自主完成入口识别、编写测试桩、运行 AFL++、分析覆盖率反馈及生成漏洞报告。该系统将智能体决策与 MCP 执行工具解耦，支持结构感知变异与崩溃去重分流，默认接入 Claude Sonnet 5 并配有实时 Web 监控看板。
推荐理由：它展示了如何通过 MCP 拆分决策与执行，将智能体引入传统 C/C++ 模糊测试的全流程自动化中。
Simon WillisonAI 评分4747 MCP 从一开始就是个坏主意吗？
针对 MCP 是否过时的质疑，观点指出全权限终端 AI 智能体（如 Claude Code、Codex）虽可直接调用 API，但 MCP 在受控场景中仍具关键价值。MCP 能显著简化外部服务访问控制、防止智能体直接获取 API key、提供服务连接 UI 并支持严格的审计日志。仅因编码智能体无需 MCP 就断定其过时，忽视了更广泛的应用构建需求。
GitHub Blog · AI & MLAI 评分4949 GitHub 探讨：该读 AI 代码吗？RAG 死了吗？Skills 取代了 MCP 吗？
GitHub 在播客中剖析了多项 AI 热门争议，指出开发者仍须对 AI 生成代码负责，且 RAG 并没有消亡，Skills 也未取代 MCP。MCP 为 AI 智能体提供连接工具与数据的标准化接口，Skills 承载流程规范与专业知识，结合 RAG 的外部检索，三者在实际开发工作流中相互协同。
Latent SpaceAI 评分4848 Jev：仅做决策、分类与路由的“系统一模型”，速度提升超 100 倍且成本低超 200 倍
TypeSafe 推出基于 RLCD 训练的决策模型 Jev，专用于分类与路由等结构化选择而非文本生成，运行速度较传统 LLM 提升 20–200 倍、成本降低 40–400 倍且输出 token 免费。
Apple ML ResearchAI 评分4747 面向 Agentic LLM 系统的共享选择性持久记忆架构
研究提出面向智能体大模型系统的共享选择性持久记忆架构，仅保留任务规范、数据 Schema 等四类可复用上下文，在企业场景中将任务完成率提升至 96%。配合零 token 数据刷新与摘要驱动生成机制，模型在周期性数据更新中可完全免于重复调用，使任务耗时缩短 14 倍并将单次 token 成本降低 97 倍。
Together AI Blog精选AI 评分7272 Together AI 详解开源 AI 智能体技术栈与 MIGHT 架构
Together AI 发文解析面向智能体软件开发的开源 AI 技术栈，将其拆分为模型、推理服务商、网关路由、客户端 Harness 与工具技能五大解耦层级。文章建议将大模型用于全局规划与审查，由响应快且成本低的小模型分步执行明确任务，并借助 MCP 协议与路由器实现跨厂商无缝切换。
推荐理由：原文将开源开发拆解为模型、推理、网关、客户端与工具五层架构，为开发者从闭源模型平滑迁移并灵活替换组件提供了实用路径。
Together AI Blog精选AI 评分6161 Kimi K2.7 Code 对比 Claude Fable 5：落地页生成成本降低 94%
Together AI 测试对比了 Kimi K2.7 Code 与 Claude Fable 5 生成 12 个落地页的效果，结果显示 Kimi 生成成本比 Fable 5 降低约 94%，平均便宜约 16 倍且产出质量接近。
推荐理由：测试展示了借助 MCP 补充多模态视觉参考来弥补开源代码模型设计短板的方案，同时大幅压缩落地页生成的调用成本。
Together AI Blog精选AI 评分6767 Together AI 扩展微调服务，新增工具调用、推理及视觉模型微调支持
Together AI 宣布对其微调服务进行重大扩展，原生支持工具调用、链式推理思考轨迹以及视觉语言模型（VLM）微调。底层训练技术栈通过集成 SonicMoE 算子与定制 CUDA 内核，将 100B+ 参数模型的训练吞吐量最高提升至 6 倍，并支持最高 100GB 的数据集以及运行前的成本与耗时预估。
推荐理由：原文给出了工具调用、推理链与视觉微调的具体参数配置与吞吐量实测数据，读者可以据此评估复杂智能体工作流的后训练可行性与成本。