KaliBench:面向 Kali Linux 网络安全工具调用的细粒度基准,支持免运行时可验证奖励
KaliBench 是一个面向 Kali Linux 上自然语言到 CLI 命令转换的细粒度基准与数据集,包含 8,504 对查询-命令,覆盖 1,642 个工具、23 个能力维度和 5 个安全阶段。
KaliBench 是一个面向 Kali Linux 上自然语言到 CLI 命令转换的细粒度基准与数据集,包含 8,504 对查询-命令,覆盖 1,642 个工具、23 个能力维度和 5 个安全阶段。
OmniSeek 是一个将 Omni-LLM 转变为具备原生工具调用能力的多轮推理智能体的框架,能动态决定看或听以及对应的时间窗口,将检索到的音视频片段回填上下文以支持后续推理。
Google Cloud 宣布 Data Agent Kit 正式 GA,这是一套免费的 MCP 工具与智能体技能,可让 Claude Code、Codex、Antigravity 等编码智能体直接操作 Google Data Cloud 数据服务。
推荐理由:官方公告给出 GA 新增的数据服务支持和开源技能机制,读者可以据此评估自己的编码智能体如何接入 Google 数据栈。
Google Cloud 宣布可任意部署的分布式多模型数据库 Spanner Omni 正式可用,支持本地数据中心、多云、Kubernetes 乃至笔记本环境,发布以来下载量超过 200 万。
Figma 已将 MCP 访问权限限制为仅白名单客户端可用,Pi 不在白名单之列。此举意味着 Pi 无法再通过 MCP 接入 Figma。
OpenRouter 比较了 LangChain、LangGraph、CrewAI、OpenAI Agents SDK、Claude Agent SDK、Microsoft Agent Framework 和 Google ADK 如何定义工具 Schema 并在不同提供商的 wire format 之间做翻译。
推荐理由:原文逐一拆解六大框架的工具调用格式翻译位置,并给出在 API 层统一格式的可行做法,便于开发者选型前对齐自己的技术栈。
OpenRouter 发文将多模型编排拆为三层:工作流编排(LangGraph、CrewAI 负责)、模型路由和提供商路由(OpenRouter 负责)。
AWS Professional Services 构建的四智能体模式在 Amazon Bedrock AgentCore 上运行,将每个应用的基础设施即代码(IaC)开发时间从 3 到 4 周缩短至几分钟,该模式已在一个覆盖 300+ 应用的迁移项目中验证。
We have a Stitch MCP. We have a Stitch SDK. But, we don't have a Stitch CLI. Well, not until now. Introducing the @google/stitch CLI: 🔷 Connect to your local coding agents 🔷 Generate screens and design systems 🔷 Send a local dev server snapshot to Stitch Do it all without leaving the terminal or better yet, ask your favorite harness like @antigravity 😎 Learn more 👇
Databricks 提出以智能体营销打通客户上下文与可衡量 ROI,强调身份解析是基础:Acxiom 与 Lovelytics 合作将其数据与身份服务重建为 Databricks 上的原生应用层,可执行客户洞察的上市时间提升约 30%、运营成本降低约 15%,Acxiom 的 Real ID 身份解析引擎也已原生运行在 Databricks 上。
Announcing one more launch: ChatGPT Sites can now host MCP servers, including plugin extensions! 🤯 > @sites create a todo list that I can use in ChatGPT This will: · Create an MCP server with extensions · Deploy that MCP server to Sites · Turn the MCP server into a plugin · Install the plugin for you across web, mobile, and desktop ChatGPT is slowly becoming malleable software that anybody can customize to their needs. Very excited to see what you all build with this!
推荐理由:原文给出通过 ChatGPT 直接构建、部署 MCP 服务器并控制访问权限的新能力,可用于评估其对定制工作流的影响。
Databricks 联合 OpenAI 和 Stellantis 探讨企业规模化智能体应用,核心是随智能体自主性提升,周边基础设施更关键,需提供模型与框架选择、受治理的企业上下文、以及贯穿每次行动的控制。Databricks 以 Agent Bricks、Omnigent 和 Unity Gateway 构建统一底座,让团队新增智能体和工作流时无需各自重复集成与治理。
Google Cloud 发布 Google Cloud CLI 远程 MCP server 预览版,将 gcloud 和 bq(BigQuery)命令行工具封装为 run_gcloud_command 和 run_bq_command 两个工具,供 AI 智能体在 Google Cloud 托管的隔离沙箱中执行云端基础设施管理和高级 BigQuery 工作流。
DoorDash 工程团队构建了共享的 Agent Gateway,统一控制 AI Agent 对工具的发现与调用,覆盖认证授权、凭证注入、工具目录筛选和监控审计。
OpenRouter 发布教程,讲解如何测试 Agent 的工具调用准确性,核心是分开测试工具选择与参数正确性这两类失败。
推荐理由:原文区分了工具选择错误与参数错误两类失败模式,并给出 LLM judge、JSON Schema 校验和轨迹比较三种可落地的测试方法。
EgoTools 发布,成为首个面向第一视角工具使用理解的综合套件,包含 100 小时带同步音频、密集标注与 3D 信息的 EgoTools-Data 语料库,以及覆盖感知、几何、流程与因果推理四条轨道的 1,000 对 QA 基准 EgoTools-Bench。
Claude Code v2.1.285 新增 CLAUDE_CODE_DISABLE_WEB_FETCH 环境变量以关闭 WebFetch 工具,并支持 claude --desktop 在当前目录打开 Claude 桌面应用。
Introducing Automations in Perplexity Computer. Automations are for ongoing work. They can take action in response to event-based triggers or on a schedule. Automations work with your memory, skills, and connected apps like Slack, Gmail, Outlook, and Linear.
Amazon Quick 的提示词工程决定其 AI 功能对自然语言请求的响应质量,涵盖自定义智能体、自动化流程和对话式分析等场景。文章提出以具体性实现清晰、以业务上下文提升相关性、用示例代替描述等核心原则,并给出适用于复杂请求的 CRISPE 结构化框架。
Google Cloud 团队发文详解 Agent Development Kit(ADK)的 Workflow 图编排能力,通过一个退款流程示例演示 fan-out/fan-in、确定性路由与 agent 路由、RequestInput 人工审核暂停、parallel_worker 批量处理以及 ctx.run_node 动态编排等模式。
Hugging Face 发布 ProvenanceGuard,一个面向 MCP 智能体的生成后验证层,专门检测"跨来源混淆"——即事实真实但被归因到错误来源的问题。在 281 条医疗智能体真实 trace 上,专家判定应拦截的 139 条声明中它拦下 138 条,来源识别准确率约 86%,并在四项对比检查器中取得最高分。
CorrGRPO 提出将 GRPO 中成对奖励协方差归一化为皮尔逊相关系数,在不改变中心化总奖励的前提下,平衡不同尺度奖励对归一化的影响,避免大尺度奖励主导优势值计算。研究者在代码生成、工具调用和智能体安全三类任务上,使用 0.5B 至 8B 参数的模型进行对比,结果显示 CorrGRPO 在三项任务上均优于 GRPO 及其他变体。代码已开源。
Stripe 与 Tempo 联合发起的 Machine Payments Protocol(MPP)于 2026 年 3 月上线并提交 IETF,通过 HTTP 402 加 WWW-Authenticate: Payment、Authorization: Payment 和 Payment-Receipt 三个头部,让 AI Agent 无需注册账号即可按请求付费。
H Company 发布 Holo4 智能体模型系列,包含 27B dense 和 35B-A3B MoE 两个尺寸,并附带基于 Nemotron 3 Nano Omni 后训练的 Holotron4 Nano。
推荐理由:官方发布给出了跨 GUI、代码、MCP 和 API 四类接口的统一智能体模型,附基准分数和完整轨迹数据,适合评估开源方案与闭源模型的成本差距。
TypeSafe AI 的首个 System One Model Jev 比前沿 LLM 快 100 倍、成本低 100 倍,适合承担 LLM 周边的决策类任务。文章列出 9 个替代场景:模型路由、护栏检测、工具调用权限分类、收件箱分类、重排序、LLM 评测打分、批量打标、实时决策和置信度门控。核心思路是让 LLM 负责生成,Jev 负责围绕生成的决策。
It’s now easier to build plugins for Claude. We built a new portal to submit your plugin, track review, and see usage. Plugins package MCP and skills, and are becoming the way to build for Claude. MCP usage across Claude products is up 110x this year! https://claude.com/blog/build-plugins-for-claude
Claude Code v2.1.283 新增 x-claude-code-prompt-id 网关提示头,LLM 网关可借此归组同一用户提示词的请求,需用 CLAUDE_CODE_GATEWAY_HINT_HEADERS=1 开启。
Claude Tag in Slack can now use your personal connectors! You can now securely access that Drive doc, Salesforce account, or Warehouse table that you have personal access to right where the work happens. Avail. on Teams today and Enterprise next week https://claude.com/blog/claude-tag-now-supports-personal-connectors-in-channels
Claude Opus 5.5 已在 Google Cloud 上线,面向日常复杂任务,提供更强的智能体编程、研究与分析能力,并降低每 token 成本。GKE Agentic Migration 进入 Public Preview,这款开源智能体插件用确定性护栏辅助 EKS 到 GKE 迁移,本地运行、零实时集群改动。
Today AI 今年 9 月在国内面向用户开放,定位「Personal AI 助理」,已支持 macOS、Windows、Linux、iOS 四个平台。它以 Memory 积累用户偏好,通过简报卡片和 Proactive 交互主动推进工作,可查询本地 Obsidian 文章库、整理 Gmail 邮件、生成 HTML 交付物并写入 Google Calendar。
Google Cloud API Gateway 进入 Public Preview,可充当远程 MCP 服务器,无需单独搭建 MCP 服务器即可把现有 REST 操作变成智能体可调用的 MCP 工具。
推荐理由:官方宣布 API Gateway 可直接充当远程 MCP 服务器,复用既有鉴权与配额,无需另建 MCP 服务器,适合评估 Agent 接入现有 API 的路径。
Claude Opus 5.5 with PINOC MCP one shotted this: A playable Minecraft recreation Link, prompt and more examples below 🧵
推荐理由:官方宣布 Claude Marketplace 上线,读者可以据此了解连接器、Agent 产品和服务伙伴三类入口的实际内容。
Claude Code v2.1.281 为 Claude apps gateway 新增 Bedrock upstream 的 assume_role 与 guardrail 配置,并支持在 settings.json 中设置 "attribution": false 隐藏提交与 PR 署名。该版本还修复了会话恢复时重发历史、提示缓存丢失、代理中断流被误判为完成等多项问题。
We heard you loud and clear. ChatGPT Voice can now: - Use plugins like your email, calendar, and Slack. - Be powered by GPT-6 Astra, Sol, and Luna. - Be used in ChatGPT Work on web and mobile, so you can create docs, decks, sites, and spreadsheets or tackle complex tasks in the browser, just by talking. Rolling out globally today in the latest version of the app.
推荐理由:原文列出了语音可用的插件类型和可用入口,读者可以据此判断日常语音助手工作流会有哪些变化。
Now Gemini can connect with 13 new apps like @adobe, @squarespace, @onepeloton, and more. Instead of switching between tabs, you can now grow your business, design assets, and plan your workouts all in Gemini. 🧵