本期 Tempest Agent Insights 整理 2026 年 5 月 20 日的 Agent 動向，訊號可以收斂成三條主線：第一，大廠戰略全面壓上 Agent——Google I/O 2026 把 Gemini 3 與 Antigravity 2.0 同步推到舞台中央，Anthropic 則在人才、併購與基礎設施三條線一起加碼；第二，Agent 的「行動邊界」被攤上桌面——MCP 該不該被當成企業架構、Agent 能不能自己授權刷卡、Agent 進入軟體供應鏈後該怎麼防，全部變成正面議題；第三，工程實務開始補位——工具設計、context 架構、形式化驗證與容器維運的 Agent 化各自給出可落地的做法。以下精選 12 則本日值得讀的訊號。
大廠戰略：Google I/O 與 Anthropic 的佈局
Google 新一代 Gemini 模型與工具全面轉向 Agent—— Google 推出新一代 Gemini AI 模型，並把整套模型與工具定位成 agentic；公司在 I/O 場上正式發表 Gemini 3，主軸是讓模型不只回答問題，而是能自主執行任務。對台灣的應用開發團隊，這條的意義是模型選型的評估維度正在改變——除了傳統的準確度與成本，模型「能不能穩定地跑多步驟工具呼叫」會變成關鍵指標，建議把 agentic 能力納入下一輪 POC 的測試項目。原文：https://ift.tt/HnYkctA
Google 在 I/O 2026 推出 Antigravity 2.0，主打 Agent-first 開發平台—— Google 在 I/O 2026 開發者 keynote 推出 Google Antigravity 2.0：一個完全圍繞 agent orchestration 打造的獨立桌面應用，並搭配 Antigravity CLI、SDK、managed execution 與企業支援。這是把 AI 輔助開發從「IDE 外掛」升級成「agent-first 平台」的架構轉變。對台灣的開發工具選型者，這條提醒你 coding agent 的競爭已經從外掛層上升到平台層——選型時要把 CLI、SDK 與代管執行的可移植性一起評估，避免整條 workflow 被綁死在單一供應商。原文：https://ift.tt/uFZkGmL
曾批當前 Agent 是「slop」的 Karpathy 加入 Anthropic—— OpenAI 創始成員、並在 2025 年公開為 AI 期待降溫、稱當前 AI agent 為「slop」的 Andrej Karpathy，宣布加入 Anthropic 的 pre-training 團隊。對台灣關注 agent 技術走向的團隊，這條的訊號不在人事本身，而是 agent 的「品質與可靠度問題」已被頂尖研究者正面點名——基礎模型的預訓練與 agent 行為的穩定度將更緊密綁在一起，短期內值得追蹤 Anthropic 在這方面釋出的研究與工具。原文：https://ift.tt/QGelxAX
Anthropic 收購 Stainless，補強 Agent 與開發者工具生態—— Anthropic 正式收購開發者工具新創 Stainless——這家公司以 SDK 自動生成與 API tooling 聞名，連 OpenAI、Google、Meta 與 Anthropic 自己都在用其工具。對台灣的開發團隊，這條的意義是 agent 生態系的競爭正在往「開發者工具鏈」延伸：當 agent 要可靠地呼叫各家 API，高品質、一致的 SDK 就是基礎建設，未來 agent 平台的差異化會有一部分落在 tooling 的成熟度上。原文：https://ift.tt/5UnDwi8
Agent 基礎建設與安全邊界
Anthropic 推出 MCP tunnels 與 self-hosted sandboxes，鎖緊 Agent 基礎設施—— Anthropic 在倫敦舉辦的首場開發者大會上，為 Claude Managed Agents——其代管且強調安全的基礎設施層——發表新能力，包含 MCP tunnels 與 self-hosted sandboxes，目標是把 AI agent 的執行環境關進更明確的邊界。對台灣的平台與資安團隊，這條的價值是它把「agent 在哪裡跑、能連到哪些內部系統」變成可設計的問題——self-hosted sandbox 讓敏感工作負載不必離開自家邊界，是把 agent 落地到合規環境的關鍵選項。原文：https://ift.tt/RPZEf7n
當 MCP 被當成企業 Agent 架構，它本身就成了問題—— 一篇深度評論指出：MCP 作為「連接 AI 助理／agent 與工具、系統、資料來源」的標準很有吸引力，因為整合問題確實真實存在；但當企業把 MCP 直接當成 agent 架構本身時，它就從解法變成了問題。對台灣正在導入 MCP 的架構團隊，這條是一記務實的提醒——MCP 是 integration 層，不該被當成系統的整體架構；agent 的權限模型、狀態管理與失敗處理仍需要獨立設計，不能假設「接上 MCP 就有架構」。原文：https://ift.tt/qFf3OBN
Agent 已經進入軟體供應鏈—— 文章指出 AI coding agent 早已不只是「加強版的自動完成」——它們會解析套件相依、設定環境、挑選工具，甚至在某些情況下跑完整個開發生命週期，代表 agent 已經實質進入軟體供應鏈。對台灣的 DevSecOps 團隊，這條的意義是供應鏈安全的威脅模型要改寫：除了套件來源與簽章，agent 的「自主決策」本身也是攻擊面——它選了哪個套件、改了哪個設定、跑了哪個指令都需要被記錄與審計。原文：https://ift.tt/JKxhP1W
為什麼 Agent 的付款授權不能由 Agent 自己發出—— 文章從一個關鍵觀察切入：NanoClaw 2.0 推出了一個 gateway，在 API 憑證抵達 agent 之前先攔截，agent 只看得到一個 placeholder，真正的金鑰永遠不會碰到 agent。由此延伸出的核心論點是——agent 的付款授權不能由 agent 自己發出，授權決策必須放在 agent 之外的可信層。對台灣處理金流與支付的團隊，這條給出明確的設計原則：把「持有憑證」與「使用憑證」分離，agent 只負責提出請求，真正的授權與額度控制由獨立的 gateway 把關。原文：https://ift.tt/qAyGb9V
設計實務與架構演進
怎麼真正設計一個 AI Agent：工具與起始迴圈（第二部）—— 這篇 agent 設計實務的第二部主張：模型很重要，但工具至少同等重要——薄弱的 tool description 是最常見、也最容易診斷的 agent 失敗原因之一。作者建議先設計工具、再設計 agent，而且如果你回答不出「這個 agent 能做到什麼，是通用 LLM 靠自己做不到的」，那就根本不該做這個 agent。對台灣的 agent 開發者，這條是很實用的 checklist：把 tool description 當成一級產出物來寫與測試，並用「相對於通用 LLM 的增量價值」來決定一個 agent 該不該存在。原文：https://ift.tt/BY7AUmo
Context 架構正在取代 RAG—— 文章指出，production 的 AI agent 失敗，往往不是因為模型答錯，而是因為底層資料散落、過時、不一致；以快取起家的 Redis 正把這個問題當成新戰場，主張「context architecture」正在取代 RAG，因為 agentic AI 把企業檢索推到了極限。對台灣的資料平台團隊，這條的提醒是：把 agent 上線的準備從「挑哪個向量庫」往上拉到「context 怎麼被組裝、更新與失效」——資料新鮮度、一致性與權限邊界，會比單純的檢索召回率更決定 agent 的成敗。原文：https://ift.tt/Zqm5ER0
用形式化方法當 Agent 的 Guardrails—— 形式化方法（formal methods）是專注於證明系統正確性的數學與電腦科學分支，長期承諾為軟體提供更嚴謹的基礎，但其複雜度一直讓它停留在小眾專家圈。文章指出，隨著 agentic AI 興起，這個情況正在改變——形式化方法正被重新拿來當作 agent 的 guardrails，用可驗證的規格去約束 agent 的行為邊界。對台灣負責高風險場景（金融、醫療、工控）的團隊，這條值得追蹤：當 prompt 與測試都擋不住 agent 的非預期行為時，形式化規格可能是少數能給出「可證明邊界」的工具。原文：https://ift.tt/loMPIqA
Docker 的 AI Agent「Gordon」正式 GA—— Docker 宣布其 AI agent「Gordon」正式進入 GA——它能理解你的環境、提出修正建議，並在整個 Docker workflow 中實際採取行動。文章從「開發者比以往更高產，但容器環境的複雜度也同步上升」切入，把 Gordon 定位成貫穿整條容器工作流的助手。對台灣以容器為主的後端與 DevOps 團隊，這條的務實意義是：agent 正在從「寫程式碼」往「跑維運動作」延伸，導入前要先想清楚 Gordon 能對環境做哪些有副作用的操作、哪些步驟需要人類批准。原文：https://ift.tt/uLSnizx
結語
本日訊號的共同方向：Agent 正在同時往「更大的能力」與「更明確的邊界」兩端推進。Google I/O 2026 與 Anthropic 的連環動作，把 agent 從產品功能升級成平台戰略；而 MCP 的架構辯論、付款授權的可信層設計、供應鏈威脅模型與形式化 guardrails，則一致地在問同一個問題——當 agent 能做的事越來越多，誰來界定它不能做什麼。對台灣團隊，這週可以很具體地推進三件事：把 agent 的工具設計與 tool description 當成一級工程產出來檢視、把憑證與授權從 agent 手中抽離放進獨立 gateway、並重新評估 context 架構與 sandbox 邊界，讓 agent 的能力擴張建立在可審計、可驗證的基礎上。