跳到正文
11月9日周一
11月7日周六
  1. AWS Machine Learning Blog72

    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。

  2. AWS Machine Learning Blog52

    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。

11月6日周五
  1. AWS Machine Learning Blog72

    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。

11月5日周四
  1. AWS Machine Learning Blog62

    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。

10月31日周六
10月30日周五
10月29日周四
  1. AWS Machine Learning Blog57

    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。

10月27日周二
  1. The Verge · AI67

    Apple 在 Pages、Keynote 和 Numbers 中新增 AI 聊天机器人

    Apple 为其生产力应用套件(包括 Keynote、Pages 和 Numbers)引入了基于 Apple 和 OpenAI 模型的 AI 助手。该助手能理解文档上下文,在 Keynote 中设计、动画化和优化幻灯片,在 Pages 中起草、重构和调整文本内容,在 Numbers 中计算、可视化和组织数据,并建议图表类型及构建自定义表格。

  2. AWS Machine Learning Blog72

    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。

10月23日周五
  1. The Verge · AI65

    Canva 发布首个 AI 图像模型 Canva Craft,支持先规划后生成

    Canva 发布首个 AI 图像生成模型 Canva Craft,采用两阶段架构在生成前进行设计规划,以实现对复杂图像中文字和物体位置的精确控制。该模型支持最高 2K 分辨率和超过 30 种宽高比,基于平台数百万个人工模板训练,目前在 Design Arena 排行榜上位列第四,落后于 OpenAI 的 GPT-Image-2.5 系列。

  2. Microsoft Research62

    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。

  3. AWS Machine Learning Blog42

    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。

10月22日周四
  1. The Verge · AI78

    Walmart 允许 AI 智能体通过 MCP 协议代为购物

    Walmart 将允许用户连接自己的 AI 智能体在网站上购物,并支持审批购买和设置预算限制。该功能通过 Model Context Protocol 连接智能体,旨在避免浏览器导航问题并保护用户隐私,同时适用于 Sam's Club。

    推荐理由:Walmart 通过 MCP 协议开放 Agent 购物接口,并设定审批与预算限制,展示了零售巨头在 AI 代理接入上的具体落地规则。

10月21日周三
  1. AWS Machine Learning Blog62

    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。

  2. AWS Machine Learning Blog42

    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。

  3. TechCrunch · AI52

    Figma 联合创始人 Dylan Field 认为 MCP 并非完美协议

    Figma 联合创始人 Dylan Field 表示 MCP 并非完美协议,存在改进空间且更利于前沿实验室。尽管有顾虑,Figma 仍在印度 Config 大会上宣布新增 20 家 MCP 合作伙伴,包括 Amp、ClickUp 和 Notion 等。Field 指出,完全开放 MCP 会增加数据被滥用的风险,因此 Figma 在开放生态与安全之间寻求平衡。

  4. AWS Machine Learning Blog42

    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。

  5. AWS Machine Learning Blog62

    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。

  6. AWS Machine Learning Blog73

    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。

10月20日周二
  1. AWS Machine Learning Blog62

    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。

  2. AWS Machine Learning Blog75

    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。

10月19日周一
10月15日周四
  1. TechCrunch · AI63

    Figma 发布 Figma Specs 及代码层功能以规范 AI 智能体设计行为

    Figma 在印度 Config 大会上发布基于 Markdown 的 Figma Specs 编辑器,允许用户定义设计语言并引用画布元素,为 AI 智能体提供遵循品牌规则的参考。同时,Figma 将代码层功能从私有测试转为公开测试,支持在画布中直接生成代码或迭代原型,并宣布支持包括 Open Code 和 Grok Bot 在内的 20 多个 MCP 工具。

  2. AWS Machine Learning Blog52

    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。

10月14日周三
  1. AWS Machine Learning Blog67

    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。