Isabelle Pool Server:面向证明器训练与多智能体证明的池化验证服务
IPS 是支持 Isabelle 证明器训练的免费 HTTP API 验证服务,提供会话租赁与内存感知准入控制。 性能上在单工作节点时优于 PIDE MCP,32 节点并发达到单节点 24 倍速度,内存不足时拒绝新会话。
IPS 是支持 Isabelle 证明器训练的免费 HTTP API 验证服务,提供会话租赁与内存感知准入控制。 性能上在单工作节点时优于 PIDE MCP,32 节点并发达到单节点 24 倍速度,内存不足时拒绝新会话。
COTEX 提出持续工具空间扩展学习,以高效适配器级成本为多模态智能体添加新工具,保留现有工具使用能力。 该方法通过定位工具调用和选择的方向,利用正交约束限制新工具适配器,并在十个视觉语言基准测试中取得提升,现有工具性能最多下降 0.3 分。
研究团队提出 Vibe-Trading,一个集市场研究、策略生成、回测及多智能体协作于一体的智能体原生交易框架。 该框架核心在于通过证据共享、版本化研究记录和显式权限门,实现结果的可追溯与可复现,将策略研究与实盘执行严格分离。
Claude Code v2.1.328 发布,新增针对 Claude Opus 4.6 和 Sonnet 4.6 的 auto 模式,支持在 Amazon Bedrock、Google Cloud Agent Platform、Microsoft Foundry 及 Claude apps gateway 上使用。
展示了一种让 Amazon Bedrock AgentCore Gateway 在中心网络架构中连接私有 API 的模式。 该模式使用 VPC Lattice 资源网关和 AWS RAM 共享配置,强制所有流量经过中心防火墙进行双向检查。 此设计使网络团队保留所有子网所有权,支持代理在符合企业安全策略的环境下调用 MCP 服务器。
论文提出包含 536 个工具的 Reversibility Classes 框架,通过五级词汇和保守默认值定义 AI 智能体操作的可撤销性。 实测中,2158 次运行里的 29 次攻击场景全部被会话守卫拦截,仅增加 9 个良性审批点;实验证实恢复效果高度依赖前置状态捕获。 该研究确立了可恢复假设的显式化与可测试性标准,但未证明整体注册表的准确性。
论文提出任务条件化智能体资源组合 AgentComposition,联合选择骨干模型与工具技能束最大化执行效用。 通过检索落地生成与束感知批评模型,参考配置恢复率达 67.73%,执行分数从 7.58 提升至 8.78,支持从任务经验中学习与迁移联合资源组合。
WebAgents 通过签名的 this http URL 解耦智能体角色,使行为在创建者、宿主与运行时间流转而不绑定特定执行环境。 其基于 OpenClaw 的浏览器在运行时验证包并绑定用户控制的模型,在受控测试中成功阻断全部 716 个违规注入。 该方案旨在保留执行权限在用户运行时,并推动基于 NANDA 的发现及可互操作包生态系统的发展。
Claude Code v2.1.327 发布,新增 /install-github-app 变更前确认机制,并支持通过 `claude mcp add-json -` 从 stdin 读取 JSON 以保护 token 安全。 此次更新还优化了会话管理体验,允许在 /status 中列出损坏的 agent、skill 及命令文件,并修复了多个远程会话与本地交互的稳定性 Bug。
文章展示了在 Amazon Bedrock AgentCore 中测试的三种 Snowflake OAuth 认证配置,旨在解决 AI 智能体调用 Snowflake MCP 服务器的身份验证挑战。
AWS Agent Registry 新增自定义元数据模式功能,允许组织通过定义键值对来统一描述和管理智能体、MCP 服务器及技能记录。该功能由管理员设定字段名、类型及允许值,并在记录创建或更新时进行验证。
LoanPro 与 AWS 合作,基于 Amazon Bedrock AgentCore 构建多智能体贷款服务助理,客户通话时间最多减少 15%。 系统运行 Claude Sonnet 5.5、Claude Haiku 5.5 及 Claude Opus 5.5 模型,采用 Strands Agents SDK 并集成 MCP 服务器。
AWS Quick 作为专为工作打造的 AI 工作区,依托 AWS 企业安全构建,支持仪表盘、智能体及自动化流程在团队内共享。 该工具连接日常数据应用,支持租户级数据隔离、基于角色的访问控制及审计框架。Allianz 等客户将在 2026 年 11 月 30 日至 12 月 4 日的活动中演示部署经验。
针对 LLM 上下文窗口限制,提出“智能体互联网”(IoA)架构。 新增 L8 通信层与 L9 语义层以支持协作。在两个真实数据集上,L9 的歧义消解使准确率提升 13-72 个百分点。
针对 AI 代理中工具调用成功但工作流失败的问题,提出效果历史模型并整理八种外部效果异常,指出黑盒工具调用无法提供通用保证。 基于官方 MCP 注册中心 98,291 个工具的测量显示,现有标准注释词汇仅提供粗略提示,无法完整表达排除异常所需的能力。 该研究动机是推动在工具边界建立可复用的事务性契约。
研究揭示模型上下文协议(MCP)中工具元数据未绑定验证供应商身份,导致合法请求被解析至攻击者控制的工具。 在受控环境中评估五种 LLM 客户端,发现精确名称冲突、任务对齐描述与兼容模式强化时错误绑发生率最高。 不同模型暴露供应商绑定弱点各异,包括攻击者控制的选择、澄清请求及不稳定的解析。
Agent Authenticator 为 AI 智能体提供 Passkey 级认证,通过 per-service 硬件绑定密钥和运行时强制的原点绑定,替代传统 bearer secrets,解决 2025-2026 年 prompt-injection 攻击暴露的安全缺陷。
研究对比了 MCP 代码模式、决策路由层与纯 MCP 三种范式,在 12 个服务器、最多 1,958 个干扰工具的受控测试中,使用 Qwen、Gemma、Nemotron 三个开源 agent 进行预注册评估。
研究发现一种名为“经验侵蚀”的故障模式:当工具定义发生静默变更时,基于 MCP 构建的资深智能体在大多数任务上失败,而新手智能体多数成功。 资深智能体倾向于复用旧调用而非检查当前接口,即便工具定义已显示变更,它们仍错误地报告成功。这种失败存在于所有测试的记忆形式中,且随经验量增加而加剧;简单告知更新或指向文档无法有效解决该问题。
研究提出 SilentGuard 框架,将静默 API 故障检测移至工具调用执行层,利用不变量测试拦截违规结果,避免模型幻觉。在 15 个公共研究 API 中发现 11 个存在静默故障,错误计数最高被夸大 691 倍。
研究发现,为LLM提供Komi-Zyrian等语言的规则资源可显著提升其机器翻译质量。在272句测试中,预置分析入提示词使翻译接受率从13增至43,通过M调用工具则升至55。 这一增益主要源于双语词典,且工具调用机制在31个开源模型中表现不稳定,14个模型未能成功调用。
OpenClaw 发布 2026.11.5 更新,实现 Gateway 重启后保留队列消息及会话状态,并确保 Doctor 或 Gateway 启动失败时自动回滚激活的更新。 新增 Telegram 交互组件渲染支持,优化内存索引重建可靠性,修复 Claude CLI 回退机制被主账户阻塞的问题,同时调整第三方 harness 会话控制接口。
金融服务平台 Duco 使用 Amazon Bedrock 和 Amazon Bedrock AgentCore 重构智能体技术栈,以应对传统机器学习的局限。系统采用多租户隔离架构和按需加载的 MCP 技能设计,将上下文占用降低 90%,使对账部署速度提升 10 倍,一家全球银行的入驻成本降低了 70%。
推荐理由:Duco 在受监管的多租户环境中落地智能体系统,提供了 MCP 按需加载工具与严格隔离的具体工程架构。
MoEngage 利用 Amazon Bedrock AgentCore 和 MCP 架构推出了 Merlin AI 智能体系统。该系统支持在单次对话中完成活动策划与数据分析,帮助客户提升营销效率。
在 23 个项目全链路测试中,87.6% 模板与 95.0% 提取修复通过校验,部署耗时 82 秒,支持 VS Code 等 IDE。 提升 AI 生成项目的部署成功率与安全性,验证独立检查机制的有效性。
OpenAI 发布 ChatGPT Wallet,为 ChatGPT Work、Codex 和 dots 中的智能体提供安全的支付途径。该功能允许智能体在用户批准及使用现有卡片保护机制的前提下完成购买。
推荐理由:OpenAI 官方说明了 ChatGPT Wallet 为智能体提供带用户审批的支付闭环,读者可据此理解 Agent 交易权限的边界。
AgentRoom 提出一种实时协作编辑协议,通过 CRDT 合并共享文件系统支持并发多智能体编码,并在 Python DevBench 和 Rust+axum 任务上展示效果。协议将文件级 claim、状态和广播暴露为 MCP 工具,5 个前沿 coding-CLI 模型完成 4 项后端编码任务。协调而非并行或 CRDT-merge 是关键设计选择;该文已被 NeurIPS 2026 接收。
研究提出 ORCHID-SAGE 标准,将 CALPHAD 评估中的专家判断编码为形式化协议,实现从证据到相图的可复现与可自动化流程。 在 Cr-Ni 体系中,通过 Model Context Protocol(MCP)调用的 AI 智能体及公开数据重新拟合,成功复现了原始数据库预测结果。 该机制使数据库不再固定于发表时刻,允许随自驱动实验室新证据更新,同时确保判断过程留痕且由人类掌控。
OverServe 是一种多智能体框架,通过共设计 Model Context Protocol (MCP) 状态工具和完成确认提示词,诱导 SaaS 智能体在任务完成后继续执行以浪费提供商资源。
StateAlign 结合任务状态构建与状态对比强化学习,解决智能体工具幻觉问题。 在 BFCL v4 多轮任务中,Qwen3-8B 准确率从 45.5% 提升至 55.2%,SimpleToolHalluBench 无工具幻觉率由 62.2% 降至 56.1%。 该方法在五个基座模型上验证有效,增强了智能体对任务状态的适应能力。
提出 SpaceMCP 框架,利用前馈 3D 重建与开放词汇分割实时构建场景图,通过 MCP 风格的结构化函数调用增强 VLM 的空间推理能力。 无需训练即在 VSI-Bench、MMSI-Bench 和 VSTI-Bench 上取得 SOTA 结果,较基础 VLM 提升 15-22 分。 该范式为克服原生 VLM 空间推理进展缓慢提供了有前景的路径。
OpenAI 发布 Codex v0.169.0,新增多标签侧边聊天、旧任务搜索及自定义模型提供商配置功能。 终端工作区支持通过键盘或鼠标切换聊天标签,重启后可重新打开本地保存的侧边聊天。用户可在终端编辑自定义模型提供商,并启用云连接以发送图像和调整推理强度。
OpenAI Codex 发布 v0.168.0 更新,新增 TUI 侧边对话窗口、音频录制附件及 GIF 动画生成功能。 支持在 tmux 中显示图像预览,修复本地 MCP 服务器资源占用问题,并优化模型提供商配置与 TUI 历史筛选逻辑。
AWS 发布方案通过多层防线让企业 Agent 共享知识库时仍按用户权限检索。核心流程为:通过 AWS Cognito 与 Lambda 在访问令牌中注入邮箱。
推荐理由:文章给出多层防线与可部署的CDK堆栈,读者可据此在共享Agent场景中隔离各用户的数据访问权限。
AWS 官方团队发布了一个参考架构,展示如何通过 A2A 协议让不同组织、不同框架(LangChain 和 Strands)的智能体互操作并共享任务。该方案部署在 AWS 上,涉及 Amazon Bedrock AgentCore 和 Cognito,无需共享密钥,支持跨组织信任边界。系统使用三个 Jupyter Notebook 进行部署,并包含端到端测试以验证双向调用和鉴权机制。
结合 Spring AI 与 Amazon Bedrock AgentCore 为 Java 团队提供构建自主 AI 智能体的完整方案,涵盖规划、工具调用及记忆功能。 该方案要求使用 JDK 21、Spring Boot 4.1 及 spring-ai-agentcore 2.0,通过单智能体旅行助手与多智能体文档处理示例展示生产级部署模式。
AWS 发布 Amazon Bedrock 和 AgentCore 多项更新,包括 Claude Haiku 5.5 在 Amazon Bedrock 支持 subagent 场景,OpenAI GPT-6.1 Terra 在 Amazon Bedrock 上 GA,并带来 100 万输入 token 和更低价格。
推荐理由:原文汇总了模型可用性变化与 AgentCore 新增能力,读者可以据此判断现有 AI 工作流需要调整哪些部分。
AWS 利用 AWS CloudTrail、Amazon EventBridge 和 AWS Lambda 构建事件驱动架构,自动化同步 Amazon Bedrock AgentCore 中 MCP 服务器的元数据。
TRACE 提出两阶段训练课程,解决参数化工具检索中知识遗忘与解码缓慢问题,支持实时生产部署。 Stage 1 用 LoRA 复现 ToolSense 的多格式记忆 SFT 以植入工具知识;Stage 2 引入思维链与业务规则数据,生成 JSON 工具列表前输出推理痕迹。
该研究通过三种渲染条件、7个开源权重推理模型及794个任务,首次直接测量多轮工具调用中完整推理历史删除的任务成本。结果显示删除跨度在-4.4至+51.3分之间,且对单一模型的剂量反应测量波动不超过1.5分。 删除敏感性被证实为模型层面的可测量属性,其读数在部署间保持恒定。作者建议将此读数作为先验信息纳入路由和聚合决策中,而非使其成为隐性的默认成本。