跳到正文

#MCP/工具调用

今日 16 条
今天9月30日周三
  1. AGI Hunt48

    Open-Dots 开源复刻 OpenAI Dots 上线即爆火

    开发者 matchaman11 推出 OpenAI Dots 的开源复刻项目 Open-Dots,上线不到 24 小时即斩获 4500+ GitHub 星,一度达 4.3k star。该项目定位为 OpenAI Dots 的开源替代品,是可自托管、本地优先的 AI 工作台,整合聊天、工具调用与操作审计功能,因满足社区对自主可控 AI 工作区的需求而迅速走红。

  2. AGI Hunt43

    max_paperclips 反驳 housecor:模型变强不等于可删 agent 封装层

    max_paperclips 反驳 housecor:模型变强并不会让 agent 封装层变得多余。他认为模型不会自动学会记忆重复任务、感知可用 API 或积累可复用工具集,skills、MCP、自定义循环等封装层仍需保留。实际变化只是 prompt 和指令能写得更简略,嵌套循环、任务进度追踪等工程结构不会因 TerminalBench 提升 2% 就消失。

  3. IT之家60

    豆包宣布支持出行服务:覆盖机票预订、火车票购买与打车导航

    豆包宣布支持多种出行服务,用户可在对话内一站式完成机票预订、火车票购买、打车和路线导航。该功能在酒店、餐饮预订基础上新增,用户以自然语言描述需求即由豆包识别意图并完成服务调用,同时上线“出行用豆包”专属入口,覆盖地图导航、交通出行、酒店住宿、吃喝玩乐四类场景。机票和火车票由航班管家、高铁管家提供,打车接入曹操出行等平台,导航由百度地图等合作方提供技术支持。

9月29日周二
  1. Towards Data Science62

    AI 让数据科学家更快,如今又在扩展这份工作

    一位数据科学家复盘过去一年 AI 对岗位的改变,认为 AI 不只是压缩原有工作,而是把数据科学家的职责边界撑大。作者称过去半年几乎不再手写 SQL 或 Python,角色从写代码转为审阅代码,重复流程被封装成 Agent Skills,数据语义层成为保证数据可信的关键。职责扩大也带来新负担,包括技能与语义层的持续治理、AI 生成的看板版本混乱,以及同时管理多个智能体带来的上下文切换。

  2. AGI Hunt38

    开发者因 Entra ID 认证太折腾,做出 MCP 托管平台 foro

    开发者因 Entra ID 不支持 MCP 规范要求的 DCR 或客户端 ID 元数据文档,把自建代理逐步做成 MCP 托管平台 foro(foro.sh)。平台支持通过 UI 或 CLI 部署 MCP 服务器,自动处理托管、认证和日志,跑在欧盟基础设施上,连好 Git 仓库、选择仓库即可得到可接入 Claude/Cursor 的 https 地址。

  3. HuggingFace Blog45

    ProvenanceGuard:面向 MCP 智能体的来源感知事实性验证

    ProvenanceGuard 是面向 MCP 智能体的来源感知事实核查层,在不重训模型的前提下对黑盒智能体答案做后置验证,专门识别事实为真但归错来源的跨源混淆。在 281 条医疗智能体真实轨迹中,专家判定 361 条断言里 139 条不应通过,该方法拦下 138 条,可识别来源时约 86% 选对来源。

  4. AGI Hunt39

    一句 prompt 生成音乐 MV:Opus 5.5 + Runway MCP 一次成型

    开发者 tlakomy 仅用一次生成,就让 Opus 5.5 通过 Runway MCP 直接产出一支名为《Words into Worlds》的音乐视频,他表示对效果非常震撼。这套组合由模型负责编排与创作指令、Runway 负责视频生成,用户无需手动剪辑即可得到成片,展示了 coding agent 通过 MCP 协议驱动媒体生成工具的潜力。

  5. AGI Hunt36

    99 秒演示:用 MCP 让 Agent 受控操作终端与浏览器并划出审批边界

    作者自建项目演示让 AI agent 通过 MCP 层跨终端和浏览器完成真实工作,而不授予整台机器的完全访问权。该 MCP 层将「能力」与「权限」分离:敏感操作前先做策略检查,只允许受控本地操作,执行过程可观测可审计。作者正征集社区对审批边界与可审计性最低控制标准的意见。

  6. Google Developers Blog61

    Google 总结 AI Agents 挑战赛中最强提交的四个工程模式

    Google for Startups AI Agents Challenge 结束后,Google 从各赛道排名靠前的提交中总结出四个工程模式,分别是以 MCP 双向暴露工具、事件驱动并发、备用模型走同一校验函数和分级路由。

    推荐理由:从真实挑战赛代码提交中提炼出四个可复用的智能体工程模式,覆盖 MCP 双向暴露、事件驱动并发与分级路由。

  7. IT之家32

    微软优化 Edge 浏览器:网页提示不乱跑、扩展 AI 智能体技能

    微软面向 Microsoft Edge 开发者发布更新,推动 WebMCP 等 API,让 AI 智能体调用网站前端能力完成查信息、填表等任务。同时新增软导航、交互内容绘制等性能指标与 JS 自分析标记,帮助开发者排查单页应用卡顿。OpaqueRange API 则让拼写检查、建议和提示气泡跟着文字走,增删文字时不再错位。

  8. SiliconANGLE:AI32

    Qiagen 用人工整理知识库为药物发现智能体奠基

    Qiagen 把药物发现智能体锚定在人工整理的知识基础上,其 Discovery Platform 在整理好的知识库之上叠加 MCP 访问与智能体 Discovery Explorer。该公司的生物信息团队已手工整理生物医学数据超过 25 年,由 150 多名 MD 和 PhD 级专家完成。Qiagen 还于 5 月与 Nvidia 合作推进基于图的 AI 药物发现。