用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行礼宾
AWS Machine Learning Blog 展示如何在航空应用中用 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 和 Amazon Bedrock Knowledge Bases 构建语音旅行礼宾。方案通过 MCP 连接后端工具，支持查询行程、改座位、更新餐食偏好、回答政策问题，并可转接真人客服。
#MCP/工具调用
AWS Machine Learning BlogAI 评分4343
AWS Machine Learning BlogAI 评分5454 AWS 教程演示在 AWS DevOps Agent 调查后自动化修复流程
AWS Machine Learning Blog 演示了如何用 AWS Lambda Durable Functions、Amazon EventBridge 和 Amazon Bedrock，在 AWS DevOps Agent 完成事件调查后创建自动化修复工作流。
AWS Machine Learning BlogAI 评分4141 AWS Machine Learning Blog：弥合 AI 知识与构建能力差距的实践手册
AWS Machine Learning Blog 提出一个为期六周的 AI 构建能力项目，帮助非工程岗位从讨论 AI 转向动手构建。项目参与者每周约投入四小时，结合导师和生产级工具；一支四人团队最终做出 WealthWise 多智能体金融顾问原型，使用 Amazon Nova、Strands Agents SDK 和 DynamoDB，实现复杂金融推理 sub-5-second 响应。
AWS Machine Learning BlogAI 评分5252 Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 构建了 Orion AI 多智能体系统，用 Amazon Bedrock 和 AWS 开源的 Strands Agents 将数据库诊断从 45 分钟降至 10 分钟，缩短 78%。
AWS Machine Learning Blog精选AI 评分6262 AWS 介绍如何在 AgentCore 和 OpenClaw 上构建上下文感知 AI 助手
AWS Machine Learning Blog 介绍了在 Amazon Bedrock AgentCore runtime 和 OpenClaw 上构建上下文感知个人助手的方法。
推荐理由：文章把记忆命名空间、模型路由和提示词缓存串成可复用架构，便于迁移到其他个人助理场景。
Google ResearchAI 评分5858 Google Research 发布智能体隐私与安全开放问题报告
Google Research 分享 workshop report《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》，讨论自主智能体面临的隐私与安全基础挑战。
Hugging Face Blog精选AI 评分7676 Microsoft 与 Hugging Face 发布 ThinkingBox，用后端状态评估 AI 智能体可靠性
Microsoft 与 Hugging Face 发布 ThinkingBox 和 ThinkingBox-Bench，用 AI 智能体留下的数据库终态与副作用评估任务是否完成，而不是只看回复或工具调用。
推荐理由：文章把单次成功与连续可靠性分开评估，可帮助判断智能体接入真实业务记录时的风险。
Hugging Face BlogAI 评分5454 ProvenanceGuard 提出面向 MCP Agent 的来源感知事实性验证
Hugging Face Blog 介绍论文 ProvenanceGuard: Source-Aware Factuality Verification for MCP-Based LLM Agents，提出在 MCP Agent 生成后按 claim 检查事实是否由正确来源支持。
Hugging Face Blog精选AI 评分8282 Holo4 系列智能体模型发布，支持 GUI、代码、MCP 和 API
H Company 发布 Holo4 系列智能体模型，包括 Holo4-27B dense、Holo4-35B-A3B Mixture of Experts，并更新 Holotron4 Nano。
推荐理由：原文披露了跨 GUI、代码、MCP 和 API 的训练与评测细节，可用于比较通用计算机使用智能体的成本与能力。
GitHub Blog · AI & MLAI 评分5656 GitHub Copilot app 入门：如何用 canvases 构建自定义工作流
GitHub Blog 介绍了 GitHub Copilot app 中用 canvases 构建自定义工作流的方法。用户可在智能体会话中输入 /create-canvas，并用自然语言说明工作流、界面操作和智能体可执行动作，生成共享界面；canvas 可作为扩展保存、复用或与团队共享，也可从 Awesome Copilot 安装现成 canvas extensions 后再定制。
GitHub Blog · AI & ML精选AI 评分6565 GitHub Security Lab 推出用于 AI 驱动 fuzzing 的 Taskflow Agent 流水线
GitHub Security Lab 介绍了 Fuzzing Taskflow，这是一个面向 C/C++ 项目的自主 fuzzing 流水线，基于 GitHub Security Lab Taskflow Agent 构建。
推荐理由：文章拆解了 LLM agent 接管 fuzzing 覆盖改进和崩溃分诊的流程，对安全自动化工作流有参考价值。
GitHub Blog · AI & MLAI 评分3636 GitHub Podcast 讨论 AI 热点争议：读代码、RAG、Skills 与 MCP
GitHub Podcast 讨论多项 AI 开发热点：AI 生成代码仍需审查，RAG 没有消亡，Skills 也没有取代 MCP。文章认为开发者的关键能力是判断风险、解释 AI 使用方式，并把 agents、Skills、MCP 与 RAG 作为可组合的工作流组件。
Mistral AI精选AI 评分7171 Mistral AI 推出 Agentic Search，用于提升企业 AI 系统检索准确性与效率
Mistral AI 推出 Agentic Search，这是一个检索层，可让 AI 系统在复杂文档和数据源中搜索、导航、阅读并验证信息。它通过 Mistral Search Toolkit 和 Libraries 提供，使用 search、open、navigate、read、grep 五个工具，并内置于 Studio 和 Vibe。
推荐理由：原文给出工具接口、适用场景和基准数据，可用于比较 Agentic Search 与传统 RAG 的取舍。