U Mobile 基于 Amazon Bedrock AgentCore 构建电信智能体运营平台 AiDaH
马来西亚电信运营商 U Mobile 基于 Amazon Bedrock AgentCore 构建了 AI 驱动的智能体帮助台 AiDaH，用于自动化处理跨系统的电信运营工单。
推荐理由：文章拆解了电信运营商利用多智能体架构处理跨系统工单的具体路径，展示了从试点到生产落地的工程细节。
#MCP/工具调用
AWS Machine Learning Blog精选AI 评分6262
AWS Machine Learning Blog精选AI 评分6262 MoEngage 利用 AgentCore Gateway 将 400 多个私有 API 转化为 Agent 工具
MoEngage 使用 Amazon Bedrock AgentCore Gateway 将 400 多个私有 REST API 转化为 Agent 工具，避免了构建 20 多个独立 MCP 服务器。
推荐理由：文章给出了将私有 API 转化为 Agent 工具的具体架构，读者可参考其权限隔离与语义搜索方案解决大规模工具接入问题。
AWS Machine Learning Blog精选AI 评分7272 使用 CDK 在 Amazon Bedrock 托管知识库上构建 Agentic 检索系统
AWS 发布教程，展示如何使用 AWS CDK 在 Amazon Bedrock 托管知识库上构建企业级 Agentic 检索系统。该系统通过 AgentCore Gateway 将知识库暴露为 MCP 工具，支持多知识库语义路由和迭代检索，并内置七层可观测性仪表板及按需与连续评估功能。
推荐理由：原文展示了如何用 CDK 部署带可观测性和评估的 Agentic RAG 系统，读者可参考其架构解决多知识库路由问题。
AWS Machine Learning Blog精选AI 评分6262 Amazon Quick 与 Amazon Bedrock AgentCore 构建对话式供应链智能
AWS 发布 Amazon Quick 与 Amazon Bedrock AgentCore 结合 MCP 的供应链智能方案，将原本分散在 ERP、采购、邮件等系统的查询与行动整合到单一对话中。
推荐理由：原文展示了 Amazon Quick 与 Bedrock AgentCore 结合 MCP 的架构，读者可据此理解企业级智能体如何连接多源数据并实现受控决策。
AWS Machine Learning Blog精选AI 评分6262 AWS 与 Keyfactor 发布基于 X.509 PKI 的 AI 智能体身份安全参考架构
AWS 与 Keyfactor 联合发布参考架构，利用 X.509 PKI 解决多智能体系统中 MCP 工具调用的身份验证缺失问题。该架构结合签名请求信封、用户签名委托断言、RFC 8693 受众限定令牌及实时 OCSP 吊销检查，实现智能体间零信任通信。
推荐理由：原文给出了基于 X.509 PKI 的多智能体身份验证参考架构，读者可据此解决 MCP 工具调用中的身份伪造与重放风险。
AWS Machine Learning Blog精选AI 评分7373 AWS Agent Registry 支持运行时动态发现 MCP 和 A2A 工具
AWS Agent Registry 支持在运行时通过混合语义搜索发现并实例化 MCP 服务器和 A2A 智能体，避免在编排器中硬编码工具端点。该服务通过审批工作流管理工具目录，将连接元数据与调用凭证分离，使企业系统能根据用户请求动态组装临时智能体。
推荐理由：原文展示了通过语义搜索动态发现 MCP 和 A2A 工具的实现路径，为大型 API 场景下的 Agent 编排提供了可参考的架构模式。
AWS Machine Learning Blog精选AI 评分6262 AWS 教程：使用 Strategy Mosaic 和 Amazon Bedrock AgentCore 构建智能体语义层
AWS 发布教程，演示如何使用 Strategy Mosaic 作为语义层，通过 MCP 协议连接 Amazon Bedrock AgentCore 托管的 Strands 智能体。该架构支持跨 Amazon Redshift 和 Amazon Aurora 的无 ETL 联合查询，并将行级和列级安全策略直接应用于智能体调用，确保不同角色用户仅能访问其权限范围内的数据。
推荐理由：演示了如何通过 MCP 协议将语义层接入 Agent，并实现跨数据源查询与细粒度权限控制。
AWS Machine Learning Blog精选AI 评分7878 在 Amazon Bedrock 上使用 Grok 4.7 构建长时程智能体
AWS 发布教程，指导如何在 Amazon Bedrock 上构建基于 Grok 4.7 的工具调用智能体，并评估不同推理强度（reasoning effort）对长时程任务的影响。在三个需要搜索而非查表的合成任务中，智能体在 72 次运行中答对 67 次，其中 xhigh 强度下 18 次全部正确，而 low 强度下答对 15 次且输出 token 仅为 xhigh 的约八分之一。
推荐理由：原文给出了在 Amazon Bedrock 上构建 Grok 4.7 智能体的完整流程，并展示了不同推理强度下的准确率与 token 消耗对比。
GitHub Blog · AI & ML精选AI 评分6767 GitHub Copilot 如何通过四种方式理解代码库
GitHub Copilot 提供了四种配置项目上下文的方法，帮助模型遵循团队规范并执行复杂任务。用户可通过 .github/copilot-instructions.md 定义全局或路径特定的自定义指令，利用 .github/skills 文件夹封装可复用的 Agent 技能，在 .github/agents 中创建处理跨文件任务的自定义智能体，并接入 MCP 服务器以连接外部工具和数据源。
推荐理由：原文给出了四种配置Copilot项目上下文的具体路径，读者可据此将团队规范转化为可复用的自动化指令。
已经到底了