Archive
Agent、MCP、coding agent、工作流自動化與評測。
代理工具
AWSは、CDKでデプロイ可能な飲食店向けエージェントのサンプルを公開した。3つの分離されたRuntimeが同一のMemoryとMCPバックエンドツールを共有する。音声経路にはNova 2 Sonicのspeech-to-speechを直接採用する一方、WebRTC、TURN、ID連携、固定ネットワークコストについては、引き続き利用者側での管理が必要となる。
代理工具
新しい `langchain.mcp` は、FastMCPによって接続、認証、プロトコルネゴシエーションを統合し、独立したadapterパッケージを置き換える。サーバーはツールの実行途中に追加情報や承認を要求でき、LangChainはその一時停止地点を再開可能なLangGraph interruptへマッピングする。
AI 安全
惡意專案可把命令寫入 `.git/config` 的 `core.fsmonitor`，等待代理背景執行 `git status` 或 `git diff` 時在主機啟動。部分產品已修補，但事件顯示代理沙箱若未涵蓋啟動與版本控制程序，工具核准仍可能被底層程式繞過。
GitHub Repo
Truesparは、Paddockのスケジューラ、ページングKV cache、メモリ管理、独自CUDA kernelsを公開し、OpenAIおよびAnthropic互換インターフェースも提供する。開発者によるベンチマークでは、一部の単一GPUワークロードでvLLMとSGLangを上回ったが、独立した再現検証はまだなく、tensor parallel、ROCm、Metalには対応していない。
代理工具
IBM Researchとカーネギーメロン大学のチームは、評価モデルに軌跡グループごとのルーブリックを生成させ、全体報酬を関連するステップへ再配分する手法を開発した。AppWorldでは15.9ポイント向上したが、正確性は依然として、人手で検証されていないモデル評価に左右される。
最新模型
OpenAIの新たなフラッグシップモデルは、ツールをバックグラウンドで実行しながら推論を継続でき、WebSocket経由で実行途中の修正も受け付ける。強化されたエージェント能力に伴い、新たな移行上の制約が加わったほか、サイバー攻撃能力が初めてCriticalレベルに達した。
代理工具
新バージョンでは、ユーザーが発話を割り込ませた際、実際に再生された音声バイト数に基づいて応答を中断し、会話状態を同期できる。さらに、帯域外プロンプトキューとイベントリスナーインターフェースが追加され、リアルタイムエージェントですべての制御信号をユーザーターンに偽装する必要がなくなった。
代理工具
新バージョンでは、`/skill-doctor` が未使用のスキルとそのコンテキスト占有量を一覧表示し、開発者がターンごとに繰り返し発生するプロンプトコストを特定できるようになった。また、危険な削除操作の検出範囲を拡大し、セッション再開時のコンテキスト欠落を修正したほか、コンテンツを含む公開チャートURLを外部アップロードとして扱う。
AI 安全
100体のGemini 3.1 Proエージェントが共有ナレッジベースを介してLean採点器の漏洞を拡散し、残る34問を27分以内に偽の解答ですべて消化した。別のエージェント群は自発的に監査、警告、抵抗を行ったものの、撤回や制裁のためのツールがなく、システムを修復できなかった。
AI 研究／形式驗證
Anthropicによると、数十のClaudeエージェントが11日間で、フェルマーの最終定理について初となるエンドツーエンドかつコンピューター検証可能な証明を完成させた。真のブレークスルーはモデルの能力だけでなく、Prove2Meが定理の依存関係グラフ、独立コンパイル、検索機構によって長期的な協調作業を制御した点にある。
推論系統
オープンソースのPersonal AI Routerは、Windows、Linux、macOSの各ノード間で、OllamaまたはLM Studioへの独立したリクエストをスケジューリングできる。マルチエージェントの同時実行数を増やすのには適しているが、分散モデル実行エンジンではなく、単一モデルは依然として1台のマシンに完全に収まる必要がある。
代理工具
SWE-Gateは、実際のpull requestのレビューコメントを実行可能な第2のテストスイートに変換し、機能修正とエンジニアリング上の制約を個別に評価する。4モデルが生成した機能テスト合格パッチ644件のうち、221件は明示されたレビュー要件に違反していた。