技术方向
模型连接外部世界的协议与实践：MCP 生态、function calling、工具链集成的动态。
17 条精选近 30 天 14 条共收录 49 条
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。
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。
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 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 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。
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。
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 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 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 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。
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 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 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 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。
Google 在云大会上宣布推出统一 Gemini 智能体，可代表用户执行任务并连接内部系统。该智能体支持多模型选择（包括 Anthropic Claude），可接入 Google Workspace、Slack、Jira 等工具，并拥有独立 Workspace 账户和审计日志。早期测试客户包括 On、Shopify 和 PayPal。
推荐理由：原文给出了企业级智能体的核心能力、模型选择机制和早期客户名单，读者可以据此判断它如何改变现有企业工作流。
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 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。