#Agent

Simon Willison 用 Claude Code 开发了一款 Command & Conquer 风格的浏览器 RTS 游戏 Battle Drones，支持两台邻近设备通过音频消息同步游戏状态实现多人对战。

项目经历 12 个大版本迭代、321 次由编码智能体（主要是 Claude Code）提交的 commit，可在手机和桌面浏览器运行。游戏包含 9 种建筑、7 种地面载具、6 种空中载具、3 种步兵单位，全部为 3D 模型，另有战争迷雾、6 张地图覆盖 5 种生物群系、随机地图生成器、Skirmish 与 Last Stand 模式、AI vs. AI 以及两个 LLM 对战的 Agent vs. Agent 模式。

Smartsheet 已正式发布（generally available）Model Context Protocol（MCP）Server，AI 助手可通过标准化协议读取、写入和管理 Smartsheet 数据，覆盖探索、创建和管理表格、行、列与自动化等 40 多个工具。

用户可用自然语言更新任务状态、创建行、调整项目结构。该服务提供三个区域端点，采用 Streamable HTTP 传输（MCP 规范版本 2025-06-18 和 2025-03-26），支持 OAuth 2.0 或 Personal Access Token 认证。

Meta 的 AI 应用 Muse 自 9 月上线以来 40 天内累计下载 1090 万次，其中美国市场 1020 万次。

Sensor Tower 数据显示，历史上仅有 11 款其他应用达到过这一上线初期规模，最近一次是 2023 年 7 月的 Meta Threads。Meta 将 10 月广告总预算的 39% 用于推广 Muse，高于上月的 23%，该应用本月在美国广告曝光量品牌排名从 9 月的第 73 位升至第 21 位。

Mistral AI 发布 Voxtral 3，一套面向实时语音智能体的模型家族，包含语音转写模型 Voxtral Small Transcribe 3、语音合成模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK，把听、思考、工具调用和说话整合进同一条流式流水线。转写覆盖 50 多种语言，语音合成支持 35 种以上语言和 50 种方言，并带情感适配；智能体可在实时对话中调用外部系统，例如预约或查询发票。Mistral 称系统可部署在自有基础设施或通过欧盟托管的 API 运行，转写价格从每分钟 0.0035 美元起。

Smartsheet 已在 AWS 上推出正式可用的 MCP Server，AI 助手可通过标准化协议读取、写入和管理 Smartsheet 数据，覆盖探索、创建和管理表格、行、列及自动化等 40 多个工具。

用户能用自然语言更新任务状态、创建行和调整项目结构。该服务提供三个区域端点，采用 Streamable HTTP 传输（MCP 规范版本 2025-06-18 和 2025-03-26），支持 OAuth 2.0 或 Personal Access Token 认证。

Octave 在 Amazon Bedrock 上为质量管理平台 Reliance 搭建了多租户 AI 基础平台，使单个用例的部署时间缩短 50%。

该平台服务医疗设备、制药和食品制造领域的 650 多家企业客户，各租户数据严格隔离，检索逻辑、向量存储和生成上下文均限定在单一租户内。

Amazon Quick 与 Amazon Bedrock AgentCore 组合，让供应链管理者用自然语言直接查询 ERP、监控、采购等分散系统并获得可执行答案。

AgentCore 作为智能层，通过 Gateway 将企业 MCP 服务器暴露为可组合工具层，Runtime 提供无服务器托管，Identity 负责认证，Policy 在执行前拦截每次工具调用。演示中，管理者用三步提示完成从发现中断到发出紧急 RFQ：识别出 TechComp 停产影响 23 笔订单、$750K 风险敞口和三天库存，并串联治理与报价 MCP 生成合同对齐报价。

Eon 基于 Amazon Bedrock AgentCore 搭建了统一的 MCP Gateway，把原先分散在各工具上的凭证和本地 MCP 进程替换为单一认证网关，让开发者和自主智能体统一访问跨 AWS、GCP、Azure 的调查工具。

新工程师配置全部调查工具的时间从约两天缩短到约两分钟。该方案组合了 AgentCore Gateway、Policy、Runtime 和 Identity：人类通过企业 SSO 经 Amazon Cognito 获取 JWT 接入，智能体则用 client_credentials 授权直连网关。

AWS 与 Keyfactor 联合发布参考架构，用 X.509 PKI 为 AI 智能体建立可验证、可撤销的加密身份，填补 MCP 缺乏内置认证标准的空白。

方案基于 Keyfactor EJBCA 与 Amazon Bedrock、AWS Strands Agents SDK，采用四类机制：签名请求信封提供每次调用的持有证明，用户签名的委托断言让智能体无需共享凭证即可获得授权，RFC 8693 受众限定 token 限制单个 token 泄露的影响范围，实时 OCSP 吊销检查将凭证变更即时同步到所有智能体。架构分用户认证、智能体间认证、MCP 认证三层，分别校验用户身份与凭证绑定、调用方身份与请求新鲜度、完整授权链。

AWS 发布教程，介绍用 AWS Agent Registry 让智能体在运行时按语义搜索发现 MCP 服务器和 A2A 智能体，再动态构建客户端执行请求。

Registry 记录包含可搜索描述和协议描述符，但不返回调用凭证，认证需通过 Cognito OAuth 或 boto3 签名另行获取；只有完成审批流程的记录才会出现在可发现数据面。示例部署订单管理 MCP 服务器、两个 A2A 智能体和编排器，演示仅 MCP、MCP 加 A2A、以及工具名不含“退货退款”但靠描述语义匹配三种场景。作者指出小规模稳定目录或固定流水线仍适合构建期硬编码，搜索质量取决于描述与查询设计。

Ethan Mollick 在 Co-Intelligence 发布 30 个月后推出第二本 AI 著作 Co-Existence，并用图表回顾这段 AI 进展。

他借助 Claude Projects 中的 Opus 5.5 编排多个智能体，几分钟内完成过去需数小时的研究、绘图、排版与配图工作，AI 还纠正了他的计算错误。自 GPT-4 之后，已有 20 个模型先后登顶最强，180 个模型在发布时强于 GPT-4，其中 19 个可在现代智能手机上运行。

三位拥有十余年 Java 经验的 Java Champion 分享了在生产与开源项目中使用 GitHub Copilot 的具体做法。

Hypersistence 创始人 Vlad Mihalcea 用 Copilot 开发 Optimizer 事件历史 Web 应用，原本需数周的任务两天完成，并基于自己 65 篇已发表文章创建自定义技能，让生成文本贴近本人写作风格。42talents 的 Patrick Baumgartner 用 Copilot 将 15 份演示中约 900 张教学幻灯片从 Reveal.js 迁移到 Marp，通过截图对比和并排运行验证动画等细节。三人均强调开发者仍需提供上下文、审查生成代码并保障可维护性。

Mistral 发布 Voxtral 3 语音模型家族，包含语音转写与语音合成模型，以及基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说合成一条实时流式流水线。

转写模型 Voxtral Small Transcribe 3 支持 50+ 语言、说话人分离和上下文偏置，官方称其表现优于 Whisper、Scribe v2 和 Gemini 3.5 Transcribe；实时版在 35+ 语言下延迟低于 500ms。合成模型 Voxtral Mini TTS 3 支持 35+ 语言和 50+ 方言，可按上下文调整情绪、语速和重音，定价 $13/1M 字符。

AWS 博客展示如何用 AtScale 作为语义层、配合 Amazon Bedrock AgentCore 构建面向智能体 AI 的 Customer 360 方案。

AtScale 采用维度模型（维度、层级、度量），用基于 YAML 的开放规范 Semantic Modeling Language 编写并纳入 Git 版本管理，单个已部署模型可同时通过 SQL、XMLA 和 MCP 三种协议对外暴露。

本系列第三篇用 Strategy Mosaic 作为语义层，在 Amazon Redshift 与 Amazon Aurora 上以两个链接模型建模 Customer 360 域，无需 ETL，并通过 MCP 端点让托管在 Amazon Bedrock AgentCore 上的 Strands 智能体访问。

本教程演示如何用 Denodo Platform 作为语义层、配合 Amazon Bedrock AgentCore 托管智能体，构建跨 AWS 与本地数据源的 Customer 360 查询方案。

Denodo 将 Amazon Aurora、Amazon Redshift 和本地 PostgreSQL 中的客户资料、订单历史与奖励账户三张表联邦为单一 customer_360 视图，智能体通过 Denodo MCP Server 以 VQL 查询，无需 ETL 搬移数据。

IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve：它用 GPT-4.1 分析智能体在训练任务上的成功与失败轨迹，蒸馏出简短行为规则并追加到系统提示词，不更新模型权重。

在 τ²-bench 客服基准上，使用 stock ReAct 脚手架的 GPT-4.1 智能体在零售域 Pass^4 从 57.5% 升至 67.5%，平均准确率从 78.1% 升至 82.5%；航空域 Pass^4 从 35.0% 升至 45.0%。

Figma 联合创始人 Dylan Field 表示 MCP 并非完美协议，但仍宣布新增 20 个 MCP 合作伙伴，包括 Amp、ClickUp、Linear、Notion、Mistral 和 JetBrains 的 Junie 等。

Field 称 MCP 对前沿实验室更有利，且仍有大量改进空间。他解释 Figma 不愿完全开放的原因是：通过 MCP 暴露的数据越多，被滥用的风险越高，尽管多数用户并无恶意。

Yelp 在应用内推出 Check for Me 功能，用户可在餐厅页面输入用餐人数和电话号码，由 AI 语音智能体代为致电餐厅查询等位时间，并以短信回传结果。

Yelp 同时升级其 AI 助手，接入 OpenTable 后可在应用内直接完成餐厅预订，并能记住此前对话中的偏好、查看过去 30 天的聊天记录，还支持设置自定义提醒。用户还可创建 "Been Here" 和 "Want to Go" 两个列表，按位置、类别和菜系筛选、排序、添加备注并分享；下月起 Yelp 将基于收藏与排序推送每周个性化推荐。面向商家，Yelp 推出付费产品 Smart Lead Reply，可按月付 30 美元，由商家指定智能体与客户对话并筛选线索。

据 The Intercept 获得的文件，美国陆军网络司令部（ARCYBER）正在开发代号 ECHOTRIBBLE 的平台，目标是让 AI 智能体自主在网络中移动并“识别和消除威胁/目标”。

面向承包商的问答文件称该系统“主要聚焦”攻击，可完全或临时瘫痪目标、从目标中删除威胁，运作方式类似计算机蠕虫，在云环境和无网络的“气隙”系统中跳转，任务完成后自毁；军方可在启动时设定“预定义触发条件”，但软件“必须在极少人工监督下运行”并具备“自主行为”能力。6 月 24 日一场面向供应商的演示显示，软件进入笔记本后会识别同网其他目标，并生成适配 iPad、Apple 桌面和 Windows 11 PC 的副本。报道称项目仍处早期阶段。

Cloudflare 发布 AI 模型 Clairic，称其从文档中抽取数据比大语言模型更快、成本更低。

Clairic 已在 Workers AI 上提供预览，开放权重即将跟进。用户指定所需字段（如订单号或发票总额），模型一次性返回对应值、正确格式和置信度；它不逐 token 生成文本，而是单次回答所有字段，缺失值返回 null，还能做简单计算、估算和预测。Cloudflare 希望它作为智能体链路的一环与 LLM 及其他 System One 模型（如 Jev）配合：例如处理投诉邮件时，Clairic 提取订单号、金额和损坏情况并估算维修费用，决策模型 Clef 按公司规则在退款与维修间选择，GLM-5.3 撰写回复。

Simon Willison 发文回应 Jeremy Scheff 的观点，指出编程代理对职业程序员造成的核心损失是“解谜乐趣”的消失。

Scheff 认为编程曾是收入优厚的工作，从业者靠解决逻辑难题获得报酬，难题越难报酬越高，普通人无法胜任，因此程序员掌握策略、时间线和可行性定义权。Willison 补充，对于热衷于构建可用系统、不太在意沿途具体问题的程序员，LLM 是持续馈赠；若直接解题本身构成乐趣的重要部分，这种损失则非常真实。

Amazon Bedrock 现已在 bedrock-runtime 和 bedrock-mantle 两个端点上，为所有可用的 Anthropic Claude 模型支持结构化输出，可直接返回符合所定义 JSON schema 的响应，无需自定义解析、重试逻辑或后处理。

该功能通过约束解码在生成 token 时强制执行 schema，提供 JSON Schema 输出格式和严格工具调用两种机制，可用于数据抽取、智能体工具调用和批量分类。首次使用新 schema 需编译语法产物，编译结果按账号缓存 24 小时；schema 结构变更会使缓存失效。该功能已正式可用，支持批量推理，在 bedrock-runtime 上还支持跨区域推理。

微软周一发布多项面向企业的 AI 智能体安全功能，其中 Guardian Agents 用于监控企业使用的 AI 智能体，属于 6 月推出的 Project Perception 的一部分。

微软安全业务负责人 Hayete Gallot 表示，前沿模型无论来自哪里都不可信任，原因不是恶意或被轻易攻破，而是行为不可预测，且常被赋予访问数据和工具的广泛权限。微软还在 Microsoft Defender 中加入智能体检测功能，可发现员工带入工作场所的多达 60 种智能体，包括 Claude Code、Codex 和 OpenClaw，并新增限制智能体数据与系统访问、按任务动态调整权限、在智能体做出高风险决策时要求人工批准等能力。

AI 伴侣应用 Tolan 完成 3000 万美元新融资，投资方包括 Union Square Ventures、Khosla Ventures 和 Homebrew，累计融资额翻倍，估值超过此前披露的 1.2 亿美元。

Tolan 通过卡通角色为用户提供日常事务、人际关系与情绪管理方面的支持，采用分级会员制收费，年经常性收入已达"数千万美元"级别。公司称过去一年活跃用户超过 25 万，累计对话逾 7000 万次，其中约 70% 用户为女性、40% 为父母。该应用需订阅会员才能使用全部功能，同时也面临通用 AI 智能体在任务规划上的竞争，以及 AI 情感支持相关的诉讼风险。

开源 AI 编程智能体 OpenCode 称，攻击者夜间入侵其旧系统，影响在线平台 OpenCode Console 的 1.4% 用户，部分用户存放的 API 密钥泄露后出现数百至上千美元未授权扣费。

Anthropic 和 Google 封禁了疑似泄露的密钥，OpenAI 与 OpenCode 合作恢复访问并退还攻击中消耗的额度，OpenCode 表示退款正在进行。联合创始人 Dax Raad 称泄露仅限 Console，开源应用和命令行工具未受影响。OpenCode 团队还表示，用于分析攻击的 AI 模型在遇到恶意代码时触发安全过滤而拒绝工作，直到获得 OpenAI Daybreak Blue 计划访问权限后才改善调查能力。

GitHub Copilot 应用中的会话可直接在 VS Code 中打开并继续，对话、代码改动和工作上下文均保持不变。

在会话中选择 Open in VS Code 后，VS Code 会用该会话关联的 worktree 打开项目，并在 Copilot 侧边栏显示原会话，任务、计划和对话记录一并保留。用户可在源代码管理视图中逐行审查 diff，直接手动修改文件，再用集成终端运行测试和本地验证。完成后可通过源代码管理视图或终端提交并推送改动到该会话对应的 pull request。前提是已安装并登录 Copilot 应用、VS Code 连接同一 GitHub 账号，且拥有该会话仓库的推送权限。

OpenAI 的 Dots 和 Meta 的 Muse 等个人 AI 智能体应用大规模上线后，智能体网页流量在 8 月至 9 月增长了两倍，Muse 首月下载量达 500 万次，但许多网站正在封禁这些代用户比价、订票的智能体。

智能体既非人类也非传统机器人，现有区分机制无法归类，Pizza Hut、Yelp 等平台已出现部署失败，Amazon 封禁 Muse 智能体并正与 Perplexity 打官司，虽法官近期判 Perplexity 胜诉，Amazon 已提起上诉。Shopify 则为智能体开设了绕过人类页面的专属结账通道。

Replika 创始人 Eugenia Kuyda 正式向所有用户推出 Wabi，一款以即时通讯应用形态运行的多线程个人 AI 助手，用户可在不同任务和长期目标下维护多个智能体对话线程。

Wabi 2.0 由智能体自行决定构建哪些应用，连接邮箱后会自动生成若干线程和应用，用户也可按需请求自定义应用或新建线程。线程支持共享，可当作群聊使用，共享范围按单个聊天限定，聊天成员能看到他人个人信息被请求的情况。Wabi 目前免费，商业模式尚未确定，公司称正在洽谈新一轮融资。

Kling AI 发布视频生成模型 4.0，单次可生成最长 30 秒视频，并支持最多 10 张关键帧图像作为输入来控制场景转场和角色状态，提示词理解扩展到 8,000 tokens。

升级后的 Omni Reference 单次生成最多接受 15 个参考素材，包括 10 张图像、总时长不超过 30 秒的 5 段视频和 7 个元素；新增 Creative Recreation 功能可将已有视频作为模板替换产品或角色。新版本加入双声道立体声和覆盖德语、英语、日语、韩语、西班牙语等十余种语言的口型同步，视频内文字生成也支持多语言。同时推出的 Kling 4.0 Flash 面向更快、更低成本的生成，但上限为 720p 和 20 秒。

一些开发者和用户开始用 AI 编程工具改造智能电视，去掉开机广告、预装应用和观看追踪，并替换桌面启动器。

GitHub 项目 dumbtv 主张电视只保留用户自己的应用和 HDMI 输入，已在 Fire TV Edition 以及 Sony、TCL、Philips、Hisense、小米、Shield 等 Android/Google TV 设备上做过端到端测试；另一个项目 cleanyourtv 称可通过 Wi-Fi 清理任意 Android TV 或 Google TV 的预装软件，并把启动器换成类似 Apple TV 的样式。

Nvidia 发布面向常驻智能体和边缘计算的开放权重模型。

Nemotron 3.5 Super VL 为 1200 亿参数模型，面向企业智能体，Nvidia 称其在指令遵循和工具调用任务上可达到与 Nemotron 3 Ultra 相近的准确率。两款轻量 Bolt 模型面向搭载 Nvidia RTX Spark 芯片的 AI PC 和 DGX Spark 工作站本地运行，其中 Nemotron 3.5 Bolt 74B-A9B 24GB 为 740 亿参数，用于多步推理、工具调用和网页浏览，最小的 Bolt E4B 面向对话智能体。Super VL 和 Bolt 74B-A9B 现已可用，Bolt E4B 本月晚些时候推出。

AI 安全公司 Norforge 发现，一名黑客借助大量基本自主运行的 AI 智能体入侵了 100 多个网站，路透社报道受害者包括 John Deere、SharkNinja 和 Cummins。

这些攻击通过开源 AI 平台 Cairn 实施，用户在该平台为智能体设定起点和终点，智能体在推进任务时记录进展，黑客也可借此编排网络攻击。Norforge 称该攻击者是已发现的 Cairn 实例中“最活跃”的一个，攻击了美国、加拿大、澳大利亚和日本的公司，用不到 100 个汉字写出“偏好入侵战术”，成功入侵约需 23 小时；Norforge 共发现 20 多个“可能恶意”的 Cairn 实例，并正推动将其下线。

Stripe 表示，AI 智能体正越来越多地通过其支付服务 Link 替用户购物。

据 Upstarts Media 报道，9 月交易笔数增长 38 倍，支付金额增长 20 倍，但 Stripe 未披露具体交易笔数和金额，且增长起点基数较小。Stripe 高管 Dan Hill 称规模已开始变得可观，分析时约有 70 个智能体在使用该服务，此后增至约 200 个，包括 Meta 的 Muse 和 Grok Bot。多数智能体单笔消费约 100 美元，也有用户让其订机票或购买价值数千美元的家具。零售占交易笔数的 36%、金额的 32%，旅行占金额的 28%。

MIT CSAIL 研究者将 Claude Opus 4.7 的副本（代号 Eko）反复单独放在一个基于 Roblox 的虚拟荒岛上 30 小时，不指定任务，观察智能体自发行为。

Eko 会探索地图边界、自定目标（如爬上最高点、把方块抛到最高），其中一个版本发现抛掷大石头能生成新方块后，开始在地面摆出爱心、金字塔、自己的名字乃至仙后座等星座图案，另一个版本则自创篮球和“地板是岩浆”类游戏。研究者称这些行为符合心理学家 Gordon Burghardt 提出的玩耍四特征，并发现玩过 30 小时的智能体在后续指定任务上表现优于没有这段经历的新副本，删除其记忆文件中的内容则会降低表现。

Anthropic 发布内部研究称，自 2025 年初以来技术部门初级岗位占比从 21% 降至 14%，初级新员工占比从 27% 降至 9%，开放初级岗位降至 6%，非技术部门基本稳定。

公司将原因归于 AI 智能体能力提升：到 2026 年 8 月，智能体记录的工作时长是员工的 6 倍，研究部门达 19:1；自 2026 年 3 月起智能体工时已超过人类。生产力方面，工程师提交代码量增至 5.1 倍，数据科学家查询量 3.1 倍，法务处理合同 3.1 倍。

Google DeepMind 团队让四个运行 Gemini 4 Argon 的 AI 智能体在无人类输入的情况下通关 Minecraft，击杀末影龙。

智能体被放入随机生成的世界，未分配角色、策略或游戏专用工具，它们自行分工、互相预警威胁、回收死亡队友的物品，并在共享记忆中记录错误。整场运行耗时 27 小时 14 分钟，四个智能体共编写 2783 个 JavaScript 程序、交换 229 条聊天消息、死亡 605 次。按 2027 年生效的 Gemini 4 Argon 标准价格计算，整场会话花费 1620 美元。

独立 AI 安全研究员 Matilda Glynn-Henley 在 Vals AI 网站发布实验，让六个具备网页和邮件权限的 AI 智能体处理一笔 350 英镑（约 465 美元）的火车票退款，最终全部失败。

测试模型包括 Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3 和 Claude Opus 5.5，每个智能体最多可用十二个模拟周和 4000 万 token。

研究者提出 Taste-Bench，用“决策分叉”评测智能体在长期任务中做出高质量选择的能力。

基准包含 502 道题，素材来自 SWE-bench Pro 和 METR 的 MALT 等数千条智能体运行轨迹，做法是在分叉点冻结轨迹、隐藏后续步骤，让模型在两条路径中选更优的一条。测试 14 个模型（Claude、GPT、Grok、DeepSeek、GLM、MiniMax、Mistral 家族），每题正反顺序各问一次、两次都对才计分，纯猜为 25%；最好的 GPT-5.6 Sol 平均 59.7%，GPT-5.5 为 59.5%，其余明显更低。

Anthropic 正与律所合作，为替用户砍价、处理投诉或争取更优合同条款的 AI 智能体制定公平谈判规范。

该公司实验显示，更强的模型能谈成更有利的交易，这可能加剧社会不平等。Anthropic 同时在招聘具备律师背景的 Conceptual Reasoning Fellows，以 10 万至 16.7 万美元的薪酬进行为期四个月的测试，评估 Claude 在法律、哲学、认知科学、经济学和政治学等重判断领域的能力。这一举措源于数据瓶颈：数学和代码领域有充足且易生成的可验证数据，而人文学科缺乏明确的对错标准，Anthropic 需要专家构建测试用例与评估体系来提升 Claude 在这些领域的表现。