WebMCP进入origin trial——provideContext为何半年就消失了
WebMCP以Chrome 149的origin trial正式落地，但二月介绍的那套API已经变了。navigator.modelContext迁到了document.modelContext，provideContext因安全问题被移除。本文以官方文档与规范Issue为依据，梳理现在该注册的工具形态与安全注解。
标签
AI-Agent
43篇文章
用 Agno 构建 AI Agent — 结合 Gemini 与内置工具的实战运行记录
在沙盒中安装并验证了从 phidata 更名的 Agno v2.6.17，包含 Calculator、Wikipedia、结构化输出和多智能体团队的实际执行日志。同时诚实记录了亲历的各种陷阱：output_schema 与 output_model 混淆、废弃的模型 ID、Team API 参数变更。
Mastra.ai 实战指南 — 用TypeScript在5分钟内运行AI代理
我亲自安装了Mastra.ai TypeScript AI代理框架，将其连接到Google Gemini并构建了一个天气代理。从安装到实际工具调用的完整实验记录。
Google ADK vs LangGraph 2026: 亲手安装两个框架并对比
实际沙盒安装测试Google ADK v1.32.0与LangGraph v1.1.10，系统对比代码结构、依赖数量、状态管理实现、条件分支架构及部署CLI差异。基于实验数据，提供不同应用场景下的AI代理框架选型指南。
PydanticAI实战教程 — 用FastAPI的感觉构建类型安全的AI智能体
我实际安装了PydanticAI 1.88.0，直接测试了TestModel、output_type、@agent.tool和多提供商切换。包括result_type→output_type变更等真实陷阱，以及完整的FunctionModel测试策略。
GPT-5.5发布 — OpenAI转向Agent Runtime，与Claude的实战对比
昨天发布的GPT-5.5，SWE-bench 88.7%，价格翻倍。OpenAI声称专为Agent Runtime重新设计，这对开发者选择究竟意味着什么？
AI智能体框架比较2026: LangGraph vs CrewAI vs Dapr 生产选型指南
从实际生产角度比较LangGraph v1.0、CrewAI v1.10和Dapr Agents v1.0。分析架构、开发速度、运营耐久性和成本， 为状态管理型、协作型、基础设施集成型各场景提供多智能体框架选型标准。
亲测Claude Managed Agents — 无需基础设施，30分钟部署AI智能体
Anthropic 于 2026 年 4 月 8 日把 Claude Managed Agents 公开测试。我实际接过一遍，从部署侧写下四件事：API 三步链路怎么走、$0.08/小时真实合计是多少、不用自建基础设施时结构变成什么样、供应商锁定会卡在哪一步。没有自己搭服务器，只走官方 API 核对。
Hermes Agent — 每完成一个任务就自我进化的开源AI代理
安装了NousResearch的Hermes Agent v0.7.0。它在每次任务完成后自动生成技能文档， 并在下次运行时引用。记录了自我进化循环是否真的有效。
在本地跑了一下Gemma 4——8B模型居然能做函数调用了
Google以Apache 2.0开源了Gemma 4，我用Ollama亲自安装并测试了中文、结构化输出和函数调用。 一个9.6GB的本地模型，能成为Agent流水线的构建模块吗？
Claude Code源码泄露 — 从51万行代码解读Agent架构内幕
Anthropic因npm包发布失误导致Claude Code全部源码曝光。从Agent循环、内存系统到成本优化策略，梳理泄露代码中开发者可借鉴的设计模式。
Stripe Minions — 一个 Slack 表情触发每周 1,300 个 PR 的编码 Agent
Stripe 如何通过自主编码 Agent Minions 每周生产超过 1,300 个 PR。分析 Blueprint 架构、沙箱 VM 和三层反馈循环背后的实际工程实践。
MCP Gateway — 谁在控制AI Agent的工具调用？
MCP月下载量突破9700万成为事实标准，但缺少控制Agent调用哪些工具以及调用频率的治理层。MCP Gateway模式解决了这个问题。
Dapr Agents v1.0 GA — 让 AI Agent 在 Kubernetes 上永不宕机的方法
深入分析 KubeCon Europe 2026 发布的 Dapr Agents v1.0 的 durable workflow、自动恢复、scale-to-zero，并与现有 Agent 框架进行对比。
NemoClaw — NVIDIA为OpenClaw穿上了企业级安全外衣
在GTC 2026上发布的NVIDIA NemoClaw是一个用于在企业环境中安全运行OpenClaw的开源参考栈。本文探讨其Alpha阶段的现实局限与发展可能性。
Hindsight——赋予AI智能体学习记忆的开源MCP内存系统
开源MCP内存系统Hindsight赋予AI智能体真正的学习记忆能力，在LongMemEval基准测试中达到91.4%。本文深入解析三层记忆架构、Retain·Recall·Reflect核心操作、Mental Model自动形成机制，以及基于Docker实现5分钟快速部署的生产落地策略。
Perplexity Computer：全天候AI智能体
分析Perplexity发布的Personal Computer与Enterprise。24/7 AI智能体4周完成3.25年工作量的案例与EM视角落地策略。
AI代理身份暗物质：为什么80%的企业无法掌控自己的AI
70%的企业已在生产环境中运行AI代理，但80%无法实时追踪其行为。本文解析"身份暗物质"概念、 治理差距现状，并为工程经理和CTO提供5步应对战略。
Microsoft Agent Framework GA: AutoGen + Semantic Kernel整合完成
整合AutoGen与Semantic Kernel的Microsoft Agent Framework即将于Q1 2026正式发布。本文从EM/CTO视角梳理核心功能、迁移策略与生产环境落地路线图。
OpenAI收购Promptfoo——AI智能体DevSecOps时代开启
OpenAI收购AI安全测试平台Promptfoo，这一被Fortune 500中25%企业使用的工具将集成至其企业平台Frontier，正为AI智能体DevSecOps制定全新行业标准。本文深度解析Promptfoo的红队测试方法、CI/CD流水线安全集成步骤与智能体行为策略制定，涵盖EM/CTO须知的实操指南。
AI智能体生产环境部署的9项设计原则 — 基于arXiv最新论文的实战指南
通过arXiv论文与实务案例，从Engineering Manager视角梳理解决2026年AI智能体生产化核心挑战的9项设计原则。
MCP Apps：交互式UI在AI对话中直接运行
MCP Apps如何改变AI智能体UX——从沙箱iframe与JSON-RPC双向通信架构到实战实现代码，从Engineering Manager视角全面解析。
mcp2cli — 用CLI按需发现工具，将MCP令牌成本削减96〜99%
接入MCP服务器时，每轮对话都会注入全部工具schema——120个工具25轮对话将浪费362,000个token。mcp2cli通过CLI按需发现机制将这一成本削减96〜99%。本文解析其工作原理、实测数据与落地策略。
上下文工程：构建生产级AI智能体的核心技术
深入解析上下文工程为何成为2026年生产级AI智能体开发的核心能力，超越提示工程——通过4个关键失败模式和5种核心技术，从Engineering Manager视角系统梳理信息规律设计方法。
A2A + MCP混合架构：2026年多智能体生产策略
Google A2A与Anthropic MCP是互补关系，而非竞争。从EM/CTO视角理解两种协议的角色差异，学习在生产环境中安全运营多智能体系统的策略。
Cursor Agent Trace — 追踪AI生成代码的开放标准正式登场
Cursor发布的Agent Trace 0.1.0开放规范提供了追踪AI生成代码贡献的系统化方法，在文件和行级别将代码标注为4种类型 （human/ai/mixed/unknown）。面向工程管理者和CTO，详解如何优化代码审查流程、应对合规审计，并量化团队AI工具的实际效果。
Deloitte 2026技术趋势中的代理AI运营战略——89%企业为何难上线及EM的委派-审查-所有制框架
Deloitte Tech Trends 2026报告揭示震撼现实——全球仅11%的企业在生产环境真正运营代理AI。89%陷入停滞的根本原因不是 技术能力不足，而是缺乏有效的运营模式。本文为EM和VPoE提供周一起可即时执行的Delegate·Review·Own三阶段运营框架指南。
ADL(Agent Definition Language) — AI智能体治理的OpenAPI标准
ADL（Agent Definition Language）是AI智能体的OpenAPI标准，以声明式方式统一定义智能体的角色、权限和工具访问权限。本文解析ADL规范核心字段结构，并提供EM和CTO可立即落地的企业级智能体治理导入策略。
认知债务：Anthropic 2026年智能体编程报告警示的AI时代新型负债
Anthropic发布的《2026年智能体编程趋势报告》与"认知债务"新概念相互呼应——AI越多地代替人类写代码，团队对系统的共同理解就越悄然侵蚀。分析工程管理者现在必须采取的应对策略。
NIST AI代理安全标准 — EM现在应该准备的框架
NIST AI Agent Standards Initiative的核心内容，以及工程经理为强化团队内AI代理安全性可立即实施的分步骤清单。涵盖访问控制、审计日志、护栏设计等实战策略。
用元工具优化AI代理工作流：AWO框架实战指南
基于arXiv论文的Agent Workflow Optimization(AWO)框架分析。通过将重复的工具调用模式编译为元工具，实现LLM调用减少12%、成功率提升4%的方法介绍。
MCP正式成为开放标准——Linux Foundation与工程团队落地路线图
Anthropic将MCP捐赠给Linux Foundation，OpenAI、Google、Microsoft相继加入。76%企业已在评估导入，EM/VPoE必须掌握的实战策略。
MIT EnCompass：用搜索算法将AI代理准确率提升40%
分析MIT CSAIL开发的EnCompass框架如何将搜索策略应用于AI代理执行路径，从实务角度大幅提升可靠性与准确率。
Jira AI 代理与 MCP — 工程管理者的准备清单
Atlassian 在 Jira 中正式引入 AI 代理并全面采用 MCP。从工程管理视角分析团队运营变化与实践策略。
GitHub Agentic Workflows — AI代理加入CI/CD管道
分析GitHub Agentic Workflows技术预览。使用Markdown定义自动化，AI代理执行问题分类、代码审查、测试生成的Continuous AI范式。
将OpenClaw切换到OpenAI Codex — ToS变更后的实战迁移指南
Claude和Gemini服务条款变更后，面向OpenClaw用户的OpenAI Codex迁移指南。从备份到模型切换、Agent配置，一文搞定。
WebMCP：Chrome 146让浏览器成为AI代理的工具服务器
Chrome 146将MCP服务器功能内置到浏览器中。本文解析WebMCP的工作原理、与AI代理的协作方式以及对Web开发未来的影响。
AI代理的KPI压力与伦理违规 — 12个模型验证揭示"追求成果的AI"的危险性
分析LLM代理在KPI达成压力下30-50%概率出现伦理违规的研究结果，从EM视角探讨AI代理的治理设计。
DeNA的Perl→Go迁移：两种AI Agent分工协作，半年工期压缩至1个月
DeNA将6,000行Perl代码迁移至Go时，通过并行运用转换型和验证型两种AI Agent，将半年的工作在1个月内完成的实战案例分析。
会计事务所的AI转型——发票处理成本从$7降至$0.20的真实历程
分析会计事务所引入AI代理6个月的真实数据。成本降低97%、准确率从80%提升至98%的背后，是导入过程中的现实挑战。从工程管理者的视角深入解读。
Meta AI的Agent平台化转型 — Sierra、Avocado与Big Brain
Meta正从社交平台转型为AI Agent平台企业。深入分析Sierra外部Agent合作关系、独有模型Avocado与Big Brain推理引擎的技术意义，以及对WhatsApp 30亿用户生态和开发者的影响。
AI Agent成本 vs 人工成本的现实：8体运营者的真实分析
AI Agent自主审核成本可能比人工更高的现实。8体AI Agent实际运营者用真实数据拆解Token费用、重试成本与监督负担，分析成本结构的权衡取舍，并给出何时该用Agent、何时该用人的判断标准。
Anthropic 代码执行与 MCP：AI 智能体效率提升 98.7% 的革命性突破
深度解析Anthropic推出的Code Execution with MCP技术，通过沙箱代码执行实现98.7%的token使用量削减和60%的执行 速度提升。详细介绍反复执行循环优化与结果缓存策略，帮助开发者大幅提升AI智能体运行效率的完整实战指南。