技术方向
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。
176 条精选近 30 天 176 条共收录 702 条
Context Hub 发布本地 Agent 资产库，把 MCP server、技能、提示词和插件包集中存一份，再按 Claude Code 和 Codex 各自的格式投递到 .mcp.json、config.toml 和技能目录。
可借鉴 JSONC/TOML 逐节点文本区间编辑、注释标记幂等投递、上游哈希加本地目录哈希双判更新三条做法，落到本地模型部署与知识沉淀线，代价是要为两种格式各写一套编辑器并覆盖注释、尾逗号等边界测试。
Omnara 发布开源托管智能体平台，作为 Claude Managed Agents 和 OpenAI Agents API 的自托管替代，采用 Apache 2.0 许可。
能拿走 agent.yaml 配置加 SKILL.md 的打包方式，把智能体跑在自有机器或 11 家沙箱上，状态存进自己的 Postgres；代价是自托管要自己运维 Docker Compose 和公网 URL。
AWS 发布教程，用 Strands Agents 搭建自适应智能体智能框架 AAIF，把请求分三层处理：llama3.2:1b 做编排路由，Ollama 上的本地 SLM 处理设备遥测和图像分析，复杂分析经 boto3 调 Amazon Bedrock。
能拿走一套三层路由骨架，1B 模型做编排、Ollama 跑本地工具、Bedrock 兜复杂请求，直接换掉全部请求打大模型的做法；代价是要维护两套模型和路由判断，本地还需约 2GB 磁盘。
Asymptote Labs 开源 Beacon，把 Claude Code、Codex、Cursor 等 20 多个 agent harness 的会话遥测统一成一种格式，再蒸馏成可复用模式与工作流。蒸馏结果需人工审核，之后通过 skills 或 MCP 供后续任意 agent 调用，项目地址为 https://github.com/Asymptote-Labs/agent-beacon。
能拿走的是跨 harness 采集会话遥测再蒸馏成可复用技能的做法，可接到多 agent 协作和知识沉淀线上，代价是要人工审核蒸馏结果，且只覆盖已接入的 20 多个 harness。
Cloudflare 开源 security-audit-skill，一套让支持工具调用的编码代理按侦察、狩猎、验证、输出、再验证、报告六阶段做安全审计的技能文件，核心是让全新代理实例去反驳候选发现而非自我背书。
能拿走六阶段审计流程和 coverage-ledger.json、findings.json 两个账本文件，把编码代理的漏洞排查改成可追溯、可多轮累加；前提是代理支持工具调用和并行子代理，且本机有 Node.js，缺 OS 沙箱时结论会卡在 needs_validation。
文章分析 2026 年一线团队把 Agent 工具接入重心从 MCP 协议封装回摆到 CLI 命令执行的原因，指出大厂并未抛弃 MCP 而是在重新分层。
能拿走的是 CLI 优先、MCP 兜底的接入分层和 --json 输出、exit code 语义、--help 当文档这几条工具设计规则，可落到软件工厂的 Agent 工具链上，代价是自由生成 shell 命令要另加白名单与沙箱护栏。
Unterm 发布跨平台纯 Rust 终端，把终端本身做成可被外部 AI agent 通过 MCP 驱动的接口，提供 152 个需鉴权的 JSON-RPC 方法，可创建 shell、执行命令、读取窗格状态、截图和录制会话。
能拿走的是把终端做成 MCP 可控面这套做法，152 个方法加 NATO 实例发现文件，让外部 agent 直接驱动窗口；落到本地多 agent 编排这条线，代价是要接受终端内不做 AI 生成、配置全走浏览器。
AWS 与 Keyfactor 工程团队联合发布参考架构，用 X.509 PKI 为多智能体系统补上 MCP 缺失的身份认证。方案分用户认证、智能体间、MCP 工具服务三层，靠签名信封、用户签名的委托断言、RFC 8693 降权 token 和实时 OCSP 吊销四项机制串联，私钥在客户端本地生成、EJBCA 只签发证书。
能拿走三层认证加签名信封、委托断言、RFC 8693 降权 token、OCSP 吊销四件套的完整代码，落到多智能体工具调用的身份链路上，代价是要自建 EJBCA 和 Keycloak 并处理 OCSP 可用性。
AWS 发布教程，演示编排器如何通过 AWS Agent Registry 在运行时按语义搜索发现 MCP 服务器和 A2A 智能体，再按请求临时组装内层 agent 执行。
能拿走 Discover→Instantiate→Execute 循环和按请求临时组装内层 agent 的写法，替换把工具硬编码进编排器的做法，代价是每轮多一次 Registry 检索，且凭证仍需另走 Cognito 和 Secrets Manager。
foundry-protocol 是一个用人类/AI 编排协议、Claude 规划加子智能体执行器来编排复杂任务的可复用框架，从 2026-09 一个合规审计项目（T0-T5、25 张工单）中抽取并泛化而来。
能拿走一套人机编排协议加 Claude Skills 和 MCP 引擎，把多 agent 派单、验收门、跨会话续跑固化成模板；代价是要先填 ORCHESTRATION.md 的 §0/§3，runtime 部分仍是实验态。
XERJ 是一个用 Rust 写的本地优先搜索引擎，通过 BM25 加向量混合搜索和 MCP 协议为 AI Agent 提供代码与文档检索。官方称替代 grep 后 Agent 输出 Token 降至原来的 1/2.7，比纯记忆方案减少 26 倍，部分 Java 任务降低 278 倍且任务解决率不变。
能拿走的是 xerj autoindex 自动嗅探目录建 AST 索引、MCP 暴露 17 个工具接 Claude Code 和 Cursor、/_memory 做跨会话向量记忆；可落到本地模型部署和知识沉淀两条线，代价是默认词法嵌入器语义精度不足，高并发写入 p99 延迟不如 ES 8.13.4。
Visokio 团队用 Claude Code 在一周内搭出一套 AI 编辑部，每周自动生成一小时播客，9 月 4 日开工后 7 天产生 168 次提交、约 6500 行代码。
可拿走一套多智能体编辑部架构：编辑用 Opus 打分留痕、研究员用 Sonnet 只摘不评、抄写员用无工具小模型把网页转成事实记录，配合 --restricted 与支出上限防注入和失控；代价是每期约 30 美元 API 成本与大量调音工作。
作者开源了一个用 bash、curl 和 jq 搭建的极简 AI 编码智能体教程，共 62 行，分 3 个编号脚本逐层叠加。01 是单次 curl 调用 chat completions，02 把调用封装成函数并加入对话 JSON 数组和读入、调用、打印循环，03 加入 bash 工具让模型请求执行命令并回灌结果。
能拿走一个 62 行 bash 脚本的最小 agent 骨架，按 01 到 03 三步逐层加 curl 调用、对话数组和工具回灌，可换掉本地模型调试时先装框架的做法，代价是 03 步会无确认执行模型给出的命令。
Reticle 开源了一套验证工具，在应用内注入 dev-only SDK，让 Claude Code、Cursor、Codex 等 MCP agent 通过工具驱动真实运行的应用，读取网络响应、store 状态和 console，返回 pass、fail 或 cannot tell 的判定并附 file:line。
把验证做成 MCP 工具塞进 agent 循环，用 dev-only SDK 读网络、store 和 console 出 pass/fail/unknown 判定并给 file:line，可接进软件工厂的 CI gate；代价是要改构建配置、重启 dev server，且看不到 IndexedDB 和 Web Worker。
clawdcursor 发布 v1.5.20，通过 MCP 让任意支持工具调用的模型控制桌面，把无障碍树与 OCR 合成带置信度的元素 id 映射，按名字操作而非猜坐标。
把屏幕编译成带置信度的元素 id 树再按名字调用，能替掉截图式 computer use 的坐标猜测；代价是要接 MCP 并做 consent 授权，canvas 类应用仍得回落到截图。
Amazon Bedrock 在 bedrock-runtime 和 bedrock-mantle 两个端点上为所有 Anthropic Claude 模型提供结构化输出，用约束解码在生成 token 时强制符合 JSON Schema，返回结果无需再解析或重试。
能直接拿走 output_config.format 传 JSON Schema 和 strict tool use 两套写法，换掉现在靠重试和正则兜底的解析层；代价是 schema 必须 additionalProperties:false，新 schema 首次请求要编译语法，缓存 24 小时且改结构即失效。