hiw3c 日报精选

MCP 与工具调用

模型连接外部世界的协议与实践:MCP 生态、function calling、工具链集成的动态。

已收录 157 条 · 近 30 天 111 条 · 第 4 / 8 页

星期一 · 3 条

星期六 · 1 条

星期五 · 2 条
  1. AWS ML Blog海外官方00:12快照

    使用AgentCore Gateway和HCP构建多账户人工智能代理

    构建一个多帐户架构,将每个团队的数据保存在自己的AWS帐户中,同时为人工智能代理提供统一的跨它们查询方式。中央平台帐户使用Amazon Bedrock AgentCore Gateway和HCP运行代理,而业务线帐户则将其数据公开为具有安全跨帐户访问和细粒度授权的LCP服务器。

星期四 · 3 条
  1. The Decoder国际媒体01:57快照

    ChatGPT Voice通过电子邮件、日历和Slack访问权限更接近“她”

    ChatGPT Voice现在运行在OpenAI的新GPT-6 Astra、Sol和Luna型号上,并且可以访问电子邮件、日历和Slack等插件。用户只需通过交谈即可管理约会、发送电子邮件或构建网站。这次更新使OpenAI更接近于Sam Altman长期以来一直以来所推崇的日常人工智能助手,而不是科幻电影《她》中的助手。ChatGPT Voice通过电子邮件

星期三 · 6 条
  1. 雷峰网·AI 科技评论中文媒体13:44中文快照

    零跑汽车携手腾讯WorkBuddy,40+核心业务场景AI提效90%

    在零跑汽车,一套覆盖12大模块的冲压模具管理系统,业务人员借助WorkBuddy辅助开发,仅用10个人天、大约两周完成上线,而按传统IT立项流程,这需要约100个人天。 这样的AI系统,零跑整车团队已建成40多个,覆盖软件质量、工程数字化、智能座舱测评、实验室管理等核心业务域。若按传统模式开发累计需1700多人天,采用AI开发模式后压缩至177人天,平均提效

  2. arXiv cs.AI/CL/LG信号源(脚本内置抓取)01:41快照

    A2 M:HCP生态系统中的跟踪优化代理劫持

    作者:李来珍、王轩、赵培成|使用模型上下文协议(HCP)的代理依赖于语义匹配从第三方服务器选择工具,通过攻击者控制的元数据和输出暴露语义供应链风险。我们引入了A2 M(吸引操纵),这是一个用于劫持LCP代理的两阶段黑匣子框架。吸引力阶段优化工具元数据以增加调用概率; Manipula

  3. Simon Willison个人技术博客01:14快照

    llm-人类0.29

    发布:llm-anthropic 0.29添加对Claude Opus 5.5的支持:llm -m claude-opus-5.5“提示到这里”标签:llm,anthropic

星期二 · 5 条
  1. Simon Willison个人技术博客23:54快照

    llm-typesafe 0.1a0

    发布:llm-typesafe 0.1a0我为LLM构建了这个新插件,以添加对TypSafe AI新Jev型号的支持。这样安装:llm安装llm-typesafe然后设置一个API密钥(在这里获取一个,等待列表似乎移动得很快):llm keys set typesafe # Paste key现在您可以问这样的是/否“noul”问题:llm -m jev '

  2. AWS ML Blog海外官方23:17快照

    利用Agentforce和AWS扩展公共部门情报

    公共部门机构处理大量非结构化证据,如人体摄像机镜头和扫描文件。这篇文章展示了如何将Amazon Bedrock Data Automation与Model Context Protocol(MCP)相结合,将数据转化为结构化见解,并通过Salesforce Agentforce中的自然语言查询将其呈现出来。

  3. 雷峰网·AI 科技评论中文媒体16:40中文快照

    做每个人的专属AI助理,千问加速打造Personal Agent

    9月22日,在2026年云栖大会上,千问宣布将加速打造 Personal Agent。千问产品负责人郑嗣寿表示,自去年上线以来,让每个人拥有自己的 AI 助理,始终是千问不变的目标。依托Qwen 3.8系列模型强大的Agentic能力,千问正在构建全新的Personal Agent形态,为 3 亿用户提供持续、个性化的智能服务。 当天,千问公布了多项围绕 P

  4. BestBlogs·AI 高分精选BestBlogs 精选02:15中文原文

    EvoOntology:自演化本体提升数据智能体准确率

    📌 One-Sentence Summary 一篇关于自演化本体的论文显示,当数据智能体能够查询以 MCP 服务器形式提供的自身数据本体时,在 DDR-Bench 上最多可提升 26.7 分,其中工具层编辑贡献了 57% 的增益。 📝 Summary 作者总结了一篇关于智能体自演化本体的论文。数据智能体通常通过通用工具来查看表格、文件和数据库,一次调用读取一

  5. arXiv cs.AI/CL/LG信号源(脚本内置抓取)01:57快照

    关键状态RL:诊断多回转刀具使用的可训练状态

    作者:陈子翔、赵文婷、岑哲鹏|多回合工具使用失败可能取决于单个模型调用,但奖励变化本身并不能揭示哪一个调用将从训练中受益。当奖励取决于后来的互动时,它们的变化可以反映下游的随机性,而不是当前行为之间的差异。我们引入临界状态RL来识别多轮交互中的可训练状态。给定任务定义的c