Rescale 如何利用 Strands Agents 和 AI-DLC 构建 AI 故障分诊智能体
Rescale 利用 Strands Agents 和 AI-DLC 构建测试故障分诊智能体，五天内完成预发布部署，数周内投入生产。该智能体调用 Amazon Bedrock 上的 Claude Opus 4.8，结合历史故障记录与 MCP 日志检索，在数秒内完成故障分类并生成修复建议报告，供工程师审核。
#MCP/工具调用
AWS Machine Learning BlogAI 评分4747 Microsoft ResearchAI 评分5959 Microsoft Research 介绍 Flint-interactive，用高层语言创建交互式数据可视化
Microsoft Research 介绍了基于 Flint 的交互式可视化语言 Flint-interactive，让用户和 AI 智能体以高层语义事件和更新算子定义图表交互。
AWS Machine Learning BlogAI 评分4242 如何使用 AtScale 和 Amazon Bedrock AgentCore 在 AWS 上构建 AI 智能体语义层
AWS 展示如何以 AtScale 和 Amazon Bedrock AgentCore 构建 AI 智能体语义层，让智能体与 BI 工具使用相同指标定义。教程以客户 360 场景为例，由 Claude Sonnet 4.6 规划查询，Strands 智能体通过 MCP 访问映射至 Amazon Redshift 的语义模型。
AWS Machine Learning BlogAI 评分3939 使用 Strategy Mosaic 和 Amazon Bedrock AgentCore 在 AWS 上为 AI 智能体构建语义层
教程演示用 Strategy Mosaic 和 Amazon Bedrock AgentCore 构建语义层，让 AI 智能体查询跨源客户数据。方案以关联模型连接 Amazon Redshift 与 Amazon Aurora，无需 ETL。Strands 智能体通过 MCP 访问模型，指标定义及按用户实施的行列权限控制保留在 Mosaic 中。
AWS Machine Learning BlogAI 评分4141 如何使用 Denodo 和 Amazon Bedrock AgentCore 在 AWS 上构建 AI 智能体语义层
AWS 展示如何用 Denodo 和 Amazon Bedrock AgentCore 构建语义层，让 AI 智能体受控查询云端及本地企业数据。方案联邦查询 Amazon Aurora、Amazon Redshift 与本地 PostgreSQL，通过 Denodo MCP Server 暴露客户全景视图，并在查询时应用行列访问策略。
AWS Machine Learning BlogAI 评分4848 Eon 如何利用 Amazon Bedrock AgentCore 上的 MCP 网关构建多云故障调查能力
Eon 利用 Amazon Bedrock AgentCore 构建统一 MCP 网关，将新工程师接入调查工具的时间从约2天缩短至约2分钟。网关取代逐工具凭证和本地 MCP 进程，为开发者与自主智能体统一接入 AWS、GCP 和 Azure 调查工具，并通过身份区分与 Cedar 策略控制工具调用权限。
AWS Machine Learning BlogAI 评分4141 如何在 AWS 上利用 X.509 PKI 保障 AI 智能体身份安全
AWS 与 Keyfactor 展示基于 EJBCA 和 AWS 服务的 X.509 PKI 参考架构，为 AI 智能体建立可验证、可撤销的身份。架构覆盖用户、智能体间及 MCP 工具调用认证，结合签名请求、委托断言、限定受众的 token 和实时 OCSP 吊销检查。示例完整源码已在 GitHub 提供。
AWS Machine Learning BlogAI 评分5151 如何用 AWS Agent Registry 在运行时发现并调用工具
AWS 通过 Python 示例讲解如何用 AWS Agent Registry 在运行时发现已审批的 MCP 服务和 A2A 智能体，并为每次请求动态构建客户端与内部智能体。流程采用关键词与语义混合搜索获取候选能力，调用凭证通过独立可信配置获取，不随搜索结果返回。示例覆盖订单查询、定价折扣和退货退款场景；新增兼容且获批的记录无需修改编排器，但协议、鉴权或编排策略变化仍可能需要更新代码或配置。
AWS Machine Learning BlogAI 评分3636 通过跨区域推理从加拿大访问 Amazon Bedrock 上的 OpenAI GPT 模型
Amazon Bedrock 现支持从加拿大通过跨区域推理访问 OpenAI GPT-5.6、GPT-6 和 GPT-6.1。教程涵盖权限配置与 API 调用，并说明 US geographic 配置将推理保留在北美，Global 配置则可路由至模型已部署的受支持 AWS 商业区域。
AWS Machine Learning BlogAI 评分4343 使用 Strands Agents 构建自适应 AI 智能体框架 AAIF
AWS 讲解基于 Strands Agents 的 AAIF 框架，以物联网监控为例，展示如何将常规任务留在本地、复杂请求交给云端模型。框架使用 llama3.2:1b 编排请求，通过 Ollama 运行本地模型，并调用 Amazon Bedrock 处理复杂分析，支持边缘、云端及混合部署。
AWS Machine Learning BlogAI 评分4343 通过 AWS 上的 Smartsheet MCP 为 AI 智能体提供工作流上下文
AWS 讲解如何通过 Amazon Quick 和 Kiro 连接已正式可用的 Smartsheet MCP Server，将项目数据接入 AI 智能体工作流。该服务提供超过 40 个工具，支持读取、写入和管理表格等数据。业务用户可用自然语言更新任务，开发者可在 IDE 内查看项目规格、更新状态并跟踪依赖。
AWS Machine Learning BlogAI 评分4343 如何在 AWS 上通过 Smartsheet MCP 为 AI 智能体提供工作管理上下文
AWS 演示如何将 Smartsheet MCP Server 接入 Amazon Quick 和 Kiro，让 AI 智能体在现有工作流中读取、更新和管理项目数据。该服务器已正式可用，提供超过 40 种工具，支持通过自然语言管理表格、行、列和自动化；两条接入路径分别面向业务团队和开发者。
AWS Machine Learning BlogAI 评分4444 从数据到决策：用 Amazon Quick 和 Amazon Bedrock AgentCore 构建对话式供应链智能
AWS 演示如何用 Amazon Quick 和 Amazon Bedrock AgentCore 构建对话式供应链工作流，并讲解部署方法。该方案通过 MCP 工具连接业务系统，支持中断评估、缓解建议和紧急询价，所有变更均需指定人员批准。示例将跨五个系统、耗时45–60分钟的流程缩为单一工具内的三次提示词交互，数分钟完成。
Mistral AI精选AI 评分7373 Mistral 发布 Voxtral 3 语音模型家族及实时语音智能体 SDK
Mistral 发布 Voxtral 3 语音转写与合成模型家族，并推出整合聆听、推理、工具调用和语音输出的实时语音智能体 SDK。转写支持 50+ 种语言，语音合成支持 35+ 种语言和 50+ 种方言；基于 LiveKit 的 SDK 支持通话中执行多步任务，官方称每轮响应可在 1 秒内完成。
推荐理由：将转写、推理、工具调用与语音合成串成实时流水线，并支持替换各阶段模型，为企业语音智能体提供了可迁移的集成思路。
Hugging Face BlogAI 评分5252 AnyLanguageModel 1.0 发布，以统一 Swift API 连接本地与托管模型
Hugging Face 发布 AnyLanguageModel 1.0，并同步发布 swift-huggingface 1.0 和 swift-xet 1.0，让 Swift 应用通过兼容 Foundation Models 的 API 选择本地或托管模型。
Apple Machine LearningAI 评分5050 Apple 研究工具发现架构：先检索还是先规划，取决于任务复杂度
Apple 的工具发现架构研究发现，先检索再规划（RtP）在单工具查询上更优，先规划再检索（PtR）在多工具查询上更优。研究在含 46,984 个 API 端点、50 个类别的 ToolBench 上评估，这一差异在检索预算 k=1 to 20、工具库规模从 1k 到 47k APIs，以及 Gemini 2.5 Flash 和 gpt-oss-120b 上均成立。
GitHub Blog · AI & MLAI 评分5959 GitHub Copilot app 入门：如何让 Copilot 了解你的代码库
GitHub Copilot app 入门教程讲解如何结合自定义指令、智能体技能、自定义智能体与 MCP 服务器，让 Copilot 按项目规范工作。
Anthropic Engineering精选AI 评分7878 Anthropic 如何在不同产品中隔离 Claude 并限制风险范围
Anthropic 详解 claude.ai、Claude Code 和 Claude Cowork 的隔离架构，以及限制智能体潜在破坏范围的工程经验。三者分别采用临时容器、结合人工监督的沙箱和本地虚拟机；Claude Code 用户批准了约 93% 的权限请求，引入操作系统级沙箱后，权限提示减少了 84%。
推荐理由：通过权限疲劳与获准域名泄露的案例，提供按用户监督能力选择隔离强度、并将网络白名单视为能力授权的设计思路。
Anthropic Engineering精选AI 评分7373 Claude Managed Agents 如何通过解耦“大脑”与“双手”实现扩展
Anthropic 详解 Claude Managed Agents 的架构，将 Claude 及其运行框架、执行沙箱和会话日志解耦，使各组件能独立替换与故障恢复。持久化会话日志支持按需检索历史上下文，凭据隔离与代理机制避免沙箱中的代码直接接触认证凭据。沙箱改为按需配置后，无需立即使用沙箱的会话可直接开始推理，p50 首 token 延迟（TTFT）降低约 60%，p95 降低超过 90%。
推荐理由：将运行循环、执行环境与事件日志拆成独立接口，为长时运行智能体提供了可迁移的故障恢复设计，也让上下文管理能随模型演进。