Amazon Quick 智能体原语分类体系：基于 When、What、Who、How 的架构解析
Amazon Quick 团队提出了一套智能体原语分类体系，通过 When、What、Who、How 四个问题拆解智能体工作流。该体系将触发器（Triggers）定义为工作的启动与指令载体，智能体（Agents）定义为持久化且具备学习能力的执行主体，能力（Capabilities）则涵盖工具、技能与工作流。
#MCP/工具调用
AWS Machine Learning BlogAI 评分7272 AWS Machine Learning BlogAI 评分5252 使用 Okta Cross App Access 和 Amazon Bedrock AgentCore 治理 AI 代理访问权限
AWS 发布教程，演示如何使用 Okta Cross App Access (XAA) 和 Amazon Bedrock AgentCore 构建 AI 代理的权限治理体系。该方案通过 ID-JAG 令牌交换实现代理代表用户访问应用，实测显示管理员移除用户授权后，新请求在约 1 秒内被拒绝，已签发令牌在 5 分钟内过期。
AWS Machine Learning Blog精选AI 评分7272 Amazon Bedrock AgentCore 的 Web Answer 功能正式可用
Amazon Bedrock AgentCore 的 Web Answer 功能正式可用，允许智能体通过单次工具调用获取基于当前网络来源的综合且带引用的答案。该功能由 AWS 托管，自动执行规划、并行搜索、事实核查及引用提取，无需开发者自行构建和维护检索管线。Web Answer 目前仅在 us-east-1 区域可用，定价为每 1,000 次工具调用 10 美元。
推荐理由：原文给出了 Web Answer 的 GA 状态、单次调用获取带引用答案的机制及定价，读者可据此评估其替代自建检索管线的成本。
AWS Machine Learning Blog精选AI 评分6262 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。
AWS Machine Learning BlogAI 评分4242 Epsilon 利用 Amazon Nova Act 构建意图驱动的 UI 测试平台
Epsilon 基于 Amazon Nova Act 和 Amazon Bedrock AgentCore Browser 构建了意图驱动的 UI 测试服务。该方案通过自然语言指令执行测试，结合 AWS 托管的临时浏览器会话，消除了各产品团队维护浏览器基础设施的负担。
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 BlogAI 评分5757 AWS 发布基于 Amazon Bedrock AgentCore 的企业级智能体 AI 平台参考架构
AWS 发布了一套基于 Amazon Bedrock AgentCore 的企业级智能体 AI 平台参考实现，旨在解决多团队构建智能体时的安全隔离、模型治理和成本归属难题。该架构采用联邦式运营模型，通过独立的推理网关和 MCP 工具网关实施最小权限控制，并引入部署时评估门禁，确保每个智能体在晋升至生产环境前通过安全与质量验证。
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。
Microsoft Research精选AI 评分6262 Microsoft Research 发布 Flint-interactive 交互式数据可视化语言
Microsoft Research 发布 Flint-interactive，一种基于 Flint 编译器构建的交互式数据可视化语言。该工具允许 AI Agent 通过高层语义事件定义点击、过滤、缩放等交互行为，自动处理底层渲染依赖，从而提升生成可靠性并降低开发成本。用户可通过 MCP 在聊天中直接生成可交互图表，开发者也可利用编程 API 构建连接图表、表格与应用状态的仪表盘。
推荐理由：通过语义事件与更新算子分离交互逻辑，降低 AI 生成复杂可视化图表的调试成本与失败率。
AWS Machine Learning BlogAI 评分5252 AWS 发布 Amazon Quick 的 HIPAA 合规部署指南
AWS 发布 Amazon Quick 的 HIPAA 合规部署指南，明确该服务在 Web、桌面和移动端均符合 HIPAA 资格，但合规性取决于客户自身的配置与管控。
AWS Machine Learning BlogAI 评分4242 Rescale 如何利用 Strands Agents 和 AI-DLC 构建 AI 分诊智能体
Rescale 基于 AWS 的 AI-DLC 框架和 Strands Agents 构建了 AI 分诊智能体，用于自动分类和路由夜间端到端测试失败。该智能体调用 Amazon Bedrock 上的 Claude Opus 4.8 识别根本原因，并通过 MCP 查询日志生成修复报告。团队通过五天工作坊完成从需求定义到预发布部署，数周内上线生产环境。
AWS Machine Learning BlogAI 评分5252 AWS 发布基于 Strands Agents 的自适应智能体框架教程
AWS 发布基于 Strands Agents 的自适应智能体框架（AAIF）教程，通过本地 SLM 处理常规任务、云端模型处理复杂分析来降低 API 成本。该框架使用 llama3.2:1b 作为本地编排器，结合 Ollama 和 Amazon Bedrock，并展示了如何通过 MCP 协议实现分布式工具调用。
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 BlogAI 评分4242 Smartsheet MCP Server 在 AWS 上正式可用，支持 AI 智能体管理工作上下文
Smartsheet 推出正式可用的 MCP Server，通过 40 多种工具让 AI 智能体以自然语言读写和管理 Smartsheet 数据。该服务部署在 AWS 上，支持 Amazon Quick 和 Kiro 作为客户端，实现跨工具的项目状态更新与任务管理。
AWS Machine Learning BlogAI 评分4242 Smartsheet 在 AWS 上推出通用可用 MCP 服务器，支持 AI 智能体管理工作流
Smartsheet 推出通用可用的 MCP 服务器，允许 AI 智能体通过标准化协议读写和管理 Smartsheet 数据。该服务器包含 40 多种工具，支持通过自然语言更新任务状态、创建行及修改项目结构。用户可通过 Amazon Quick 或 Kiro 连接该服务器，在业务或开发工作流中直接查询和更新项目数据。
AWS Machine Learning BlogAI 评分4242 Eon 如何利用 Amazon Bedrock AgentCore 上的 MCP Gateway 构建多云调查体系
Eon 利用 Amazon Bedrock AgentCore 部署 MCP Gateway，替代分散的工具凭证与本地 MCP 进程，实现跨 AWS、GCP 和 Azure 的统一访问。新工程师配置调查工具的时间从两天缩短至约两分钟。该方案通过 Cedar 策略实施最小权限控制，支持人类开发者与自主 SRE 智能体以不同身份接入。
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 BlogAI 评分5252 AWS 结合 AtScale 与 Bedrock AgentCore 构建智能体语义层
AWS 发布教程，演示如何使用 AtScale 和 Amazon Bedrock AgentCore 为智能体 AI 构建语义层。该方案利用 AtScale 的语义建模语言（SML）将业务逻辑定义在 Git 中，并通过 MCP 协议向 Strands 智能体暴露查询工具。
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 BlogAI 评分5252 AWS 博客演示使用 Denodo 和 Amazon Bedrock AgentCore 构建智能体语义层
AWS 博客演示了使用 Denodo 平台和 Amazon Bedrock AgentCore 构建智能体语义层的架构。该方案通过 Denodo MCP Server 将治理后的数据视图暴露给智能体，并支持联邦查询 Amazon Aurora、Amazon Redshift 及本地 PostgreSQL 数据库。
AWS Machine Learning Blog精选AI 评分7575 Amazon Bedrock 为 Anthropic Claude 模型支持结构化输出
Amazon Bedrock 现已支持所有 Anthropic Claude 模型的结构化输出功能，覆盖 bedrock-runtime 和 bedrock-mantle 端点。该功能通过受限解码在生成阶段强制符合 JSON Schema，消除了对自定义解析、重试逻辑和后处理的需求。
推荐理由：AWS 官方说明了 Bedrock 对 Claude 模型支持结构化输出的机制，开发者可据此移除自定义解析逻辑。
AWS Machine Learning BlogAI 评分5252 AWS 发布基于 Amazon Bedrock AgentCore 的自改进文档处理方案
AWS 发布基于 Amazon Bedrock AgentCore 的自改进文档处理方案，利用八个专用智能体协作实现文档分类、提取、验证及自动学习。该系统通过 Strands Agents 构建工作流，能自动适应新文档格式并复用提取指令，将处理时间从 3 分 49 秒缩短至 1 分 30 秒，月处理千份文档成本约 58 美元。
AWS Machine Learning Blog精选AI 评分6767 AWS 发布 Anchor Browser 与 AgentCore payments 集成方案，支持 AI 智能体自主完成 x402 付费
AWS 发布 Anchor Browser 与 Amazon Bedrock AgentCore payments 的集成方案，使 AI 智能体能够自主处理 HTTP 402 支付请求。
推荐理由：文章展示了 Anchor Browser 与 AgentCore payments 的集成机制，解释了 AI 智能体如何在不接触私钥的情况下自主完成 x402 协议下的付费资源访问。
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。
AWS Machine Learning BlogAI 评分5252 ShipStation Global 基于 Amazon Bedrock AgentCore 构建 AI IT 帮助台
ShipStation Global 基于 Amazon Bedrock AgentCore 构建了名为 Deckhand 的 Slack AI IT 帮助台，用于自动回答常规 IT 问题并创建 Jira 工单。
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。
AWS Machine Learning Blog精选AI 评分6767 Amazon Bedrock AgentCore payments 支持 AI 智能体按次推理付费
Amazon Bedrock AgentCore payments 提供托管支付能力，允许 AI 智能体通过 x402 协议按需购买模型推理服务。Incarna 团队利用该功能在三天内完成集成，将原本需数月的开发周期缩短至约 200 行代码，并在 Base 网络主网上线生产环境。
推荐理由：展示了 Agent 如何通过托管钱包和基础设施层限额实现按次推理付费，为智能体自主交易提供了可落地的工程参考。
GitHub Blog · AI & ML精选AI 评分7575 GitHub Security Lab 发布基于 Taskflow Agent 的 AI 模糊测试工具
GitHub Security Lab 发布 Fuzzing Taskflow，利用 LLM 智能体自动化 C/C++ 项目的模糊测试流程。该工具通过 MCP 工具调用 AFL++ 执行测试，智能体负责识别入口点、编写测试桩、分析覆盖率缺口并分诊崩溃。系统采用结构感知模糊测试策略，包括预构建字典、源码常量提取及动态语料库演化，最终生成包含根因分析和修复建议的漏洞报告。
推荐理由：原文展示了 LLM 智能体如何接管模糊测试中编写测试桩、分析覆盖率及分诊崩溃等重复性人工环节，为自动化安全测试提供了具体架构参考。
GitHub Blog · AI & MLAI 评分4242 GitHub 播客解析 AI 热点：RAG 未死，Skills 与 MCP 互补
GitHub 播客最新一期拆解了关于 AI 开发的五个流行观点。节目指出 RAG 并未过时，Skills 与 MCP 分别解决流程指导与工具连接问题，二者可协同工作。此外，开发者仍需审查 AI 生成的代码，且代码库的可维护性直接影响模型理解效果。