跳到正文

技术方向

MCP 与工具调用 最新动态

让 AI 连上外部软件和数据:MCP 协议、function calling 工具调用与各类工具集成。

32 条精选近 30 天 31 条共收录 85 条

更新

MCP 与工具调用的精选

11月18日周三第 1–20 条
  1. AIHOT85

    Anthropic 复盘用 chaos loop 强化 Claude Docs 上线:20 亿次请求仅 60 次服务器错误

    Anthropic 工程师复盘了用 Claude 驱动 chaos loop 在上线前强化 Claude Docs 的过程。团队让 Claude 持续执行压测、读取 Datadog 遥测、提出并部署修复,同时保留数据库架构等难以回退决策的人工审批。

    推荐理由:完整呈现了用 Claude 驱动 chaos loop 开展预发布压测、读取遥测并修复故障的流程与成本,为规模化 Agent 运维提供了可复现路径。

  2. AWS Machine Learning Blog68

    Amazon Bedrock AgentCore 通过 OAuth 安全接入 Snowflake Cortex AI 的三种模式

    Amazon Bedrock AgentCore Identity 支持通过 Amazon Bedrock AgentCore Gateway 以 OAuth 将 AI 智能体接入 Snowflake 管理的 MCP 服务端。

    推荐理由:文章通过三种端到端配置对比用户身份传播、审计粒度与运维成本,为智能体接入 Snowflake 选择 OAuth 模式提供可迁移依据。

  3. AIHOT90

    Gemini 向美国等六国免费开放任务功能,支持电话、付款与 60 多款应用

    Google 开始在美国、日本、韩国、加拿大、澳大利亚和印度免费推出 Gemini 任务功能,使用 Gemini 4 Hydrogen 模型代用户打电话、预订、付款并连接 60 多款应用。

    推荐理由:Google 将 Gemini 的任务执行能力扩展到电话、付款和第三方应用,并公开了隔离运行、确认机制与隐私控制等安全设计。

11月17日周二
  1. AWS Machine Learning Blog71

    AWS 多智能体设计模式与制造业架构选型指南

    AWS 提出多智能体系统应先采用确定性的 Tier 1 编排模式,仅在任务需要动态发现子任务时使用 Tier 2 自主模式。文章比较顺序管线、条件路由、并行工作流、计划编排、交接和辩论等模式,并给出架构选择决策树与五类反模式。制造业部署还需处理 p99 延迟、物理安全、边缘数据、班次周期记忆以及人工审批等约束。

    推荐理由:文章以制造业为背景,系统梳理多智能体编排模式、反模式与选型方法,并讨论延迟、安全、边缘计算和班次交接等落地约束。

11月14日周六
  1. AIHOT77

    Sierra 发布 Personal Agent Protocol(Poppy)v1.0

    Sierra 发布 Personal Agent Protocol(Poppy)v1.0,允许个人智能体通过企业智能体、网站和 API 与企业服务交互。协议基于 MCP、OpenAPI 和 UCP,并通过 OAuth 管理用户授权;Shopify 已为平台所有商家启用 Poppy,设计合作伙伴总数超过 100。

    推荐理由:Poppy v1.0 明确了个人智能体连接企业服务的协议机制,并提供分阶段接入、扩展机制、验证工具和实际业务案例。

11月13日周五
  1. AIHOT84

    DeepSeek 开放全家桶应用 API,支持联网搜索、文件输入与阅读链接

    DeepSeek 开放全家桶应用 API,deepseek-flash 可通过参数启用联网搜索、文件输入和阅读链接等能力。相关工具调用与上下文拼接由服务端完成,底层能力及语音能力还可作为 Search、Fetch、OCR、ASR、TTS 独立接口调用。

    推荐理由:DeepSeek 将 App 端对话能力开放为 API,涵盖搜索、文件解析与链接阅读,开发者可据此评估工具调用集成方式。

11月12日周四
  1. AWS Machine Learning Blog70

    AWS 使用 A2A 构建可组合、可互操作的多智能体系统

    AWS 演示如何使用 A2A 在两个独立账户中连接基于 LangChain 和 Strands Agents 构建的智能体。示例通过 Agent Card 发现技能,以双向 OAuth 认证实现跨边界协作,并由 3 个 Jupyter notebook 完成部署和端到端测试。

    推荐理由:教程完整拆解了跨框架、跨账户多智能体架构,并提供代码、部署步骤与信任边界测试。

  2. AIHOT82

    OpenRouter 实测六模型并给出四层防护,解决 AI Agent 无限循环烧钱问题

    OpenRouter 通过六款模型实测,给出防止 AI Agent 无限循环烧钱的四层防护:doom-loop 检测、loopKey 重复判定、stopWhen 步数与成本上限,以及 API key 信用额度限制。启用 doomLoop: true 后,六款模型均在第三次相同工具调用处被拦截,18 次运行的总工具调用从 314 次降至 64 次,费用从 $0.29 降至 $0.05。

    推荐理由:教程用六模型实测说明四层防护如何识别重复调用并限制单次与整体成本,配置和代码可直接复用于 Agent 防失控场景。

11月11日周三
  1. AWS Machine Learning Blog72

    使用 LangGraph 和 Amazon Bedrock AgentCore Web Search 构建每日依赖监测

    AWS 教程演示如何使用 LangGraph 和 Amazon Bedrock AgentCore Web Search 构建每日依赖监测,并部署到 AgentCore runtime 或通过 AgentCore Gateway 提供服务。

    推荐理由:教程展示了如何把固定搜索规则、来源校验与去重机制放在代码中,并部署为每日运行的依赖监测智能体。

  2. AIHOT78

    Claude 升级交互式连接器,支持对话旁全屏打开并由 Claude 直接操作

    Claude 开始推出交互式连接器更新,支持在对话旁或全屏打开工具,并让 Claude 直接修改页面、表格行或文件,变更会实时显示在工具中。首批支持 Asana、Canva、Carta、Dropbox、monday.com、Smartsheet、Vercel 和 Webflow,相关功能正向网页版和 Claude 桌面应用的所有方案推出。

    推荐理由:Claude 将连接器从对话内预览扩展为侧边或全屏操作,并公开预览 MCP Apps 的 app tools 与嵌入站点能力。

11月10日周二
  1. AWS Machine Learning Blog67

    AWS Quick 如何使用智能体、技能与数据协同完成任务

    AWS Quick 通过智能体加载适用技能、调用连接器并依据已连接数据执行自然语言任务。文章讲解了内置与自定义智能体、空间、知识库和连接器的配置方式,并演示如何创建、测试、发布和共享技能。团队共享技能时还需处理访问权限、依赖环境与失败场景,文章同时介绍了适用软件工程实践的 Skill Architect 技能。

    推荐理由:文章系统梳理了 AWS Quick 中智能体、技能、数据与连接器的协作机制,并给出构建和共享团队技能的方法。

  2. AWS Machine Learning Blog76

    AWS Pluggable Agentic AI Framework 七层企业智能体参考架构解析

    AWS 介绍了一套由七层组成的 Pluggable Agentic AI Framework,用于将多智能体应用从原型推进到生产规模。架构覆盖数据与知识、模型与推理、编排、安全护栏、应用、可观测性和智能体运维,并以零售客服场景演示主管智能体委派订单与退款专员智能体的实现流程。文中还提供 Workshop Studio 体验和公开示例仓库,但明确指出该实现不能替代生产环境所需的安全加固、测试与审查。

    推荐理由:这套架构把安全、治理、成本、可观测性和持续评测纳入分层设计,并提供零售客服案例,可作为企业智能体生产化的落地参考。

11月7日周六
  1. AWS Machine Learning Blog74

    AWS 教程:将 Claude Code 扩展为 Amazon Bedrock AgentCore 远程智能体

    AWS 教程演示如何将 Claude Code 接入 Amazon Bedrock AgentCore,以远程会话运行编码任务并返回 GitHub pull request。每个任务在 AWS 账户内的独立 microVM 中执行,并通过短期 GitHub 凭据、私有网络、Guardrails 和最小权限 IAM 控制访问,智能体只创建草稿 pull request,最终由人工审核并合并。

    推荐理由:示例完整展示了远程编码智能体的部署、安全隔离和提交流程,并明确其适用边界与人工审核要求。

  2. AWS Machine Learning Blog72

    Greenlight Financial 如何基于 Amazon Bedrock AgentCore 构建自主安全运营中心

    Greenlight Financial 基于 Amazon Bedrock AgentCore 构建了自主安全运营中心 Luna,采用分级监督架构协调 30 多个专用智能体,并通过 AgentCore runtime 和 memory 承载智能体及记忆层。

    推荐理由:Greenlight Financial 基于 Amazon Bedrock AgentCore 构建分层多智能体安全运营方案,公开了架构、记忆机制与生产指标。

  3. AWS Machine Learning Blog61

    使用 Okta Cross App Access 和 Amazon Bedrock AgentCore 治理 AI 智能体访问(第一部分)

    本文通过分步实践,演示如何使用 Okta Cross App Access 决定 AI 智能体可代表哪些用户访问哪些应用,并由 Amazon Bedrock AgentCore Identity 执行授权和短期凭证管理。

    推荐理由:文章给出完整的委托链配置、权限校验与性能测试,可作为跨应用 AI 智能体访问治理的实践参考。

  4. AWS Machine Learning Blog68

    AWS 讲解如何用 Amazon ECS Fargate 构建无服务器 MCP 服务器

    AWS 介绍其基于 Amazon ECS Fargate 构建的无服务器 MCP 服务器,为 AI 智能体提供统一访问企业数据湖的标准化网关。系统以元数据目录驱动数据集接入,通过 Amazon Bedrock 生成并校验 SQL,调用 Athena、Redshift 和 Knowledge Bases 完成查询与文档检索。

    推荐理由:文章完整拆解了基于元数据驱动、标准化 MCP 端点和分层权限控制的实现,可为多智能体访问企业数据湖提供可迁移架构。