本期 Tempest Agent Insights 聚焦 2026 年 5 月底 AI Agent 領域的關鍵動態：資金面持續向「治理與安全」傾斜，Geordie、Saris 等新創完成大型 A 輪，Snowflake 收購 Natoma 強化 MCP 治理；Salesforce、TD Bank、Tencent 則展示企業與大型平台的實際落地進度。安全議題方面，BadHost 漏洞與 Agent 攻擊面擴大成為焦點；工程實踐上，自建 harness、回饋延遲對 Agent 品質的影響、以及 Agentic Loop 的底層架構，都提供台灣團隊在規劃 Agent 產品化時的工程與治理參考。
募資與市場動態
1. Geordie raises $30M Series A led by Balderton to become the security layer enterprises need as AI agents take over their infrastructure 倫敦新創 Geordie AI 完成由 Balderton Capital 領投的 3,000 萬美元 A 輪募資，投後估值約 1.8 億美元，據稱是歐洲史上規模最大的資安新創 A 輪。該公司定位為企業 AI Agent 的安全與治理層，並在 2026 年前五個月寫下 1,300% 的 ARR 成長。本案再次印證資金正集中流向「能為 Agent 加上護欄」的方案。原文連結：[https://ift.tt/1SXcVBZ]
2. Saris raises $28.8M Series A to bring agentic AI workflows to banks and credit unions Saris 完成 2,880 萬美元 A 輪募資，鎖定銀行與信用合作社的代理式 AI 工作流。文章點出許多金融機構仍仰賴人工審閱文件、驗證資料、在彼此不互通的系統間搬運表單，而這個瓶頸正逐漸演變為實質的營運壓力。垂直金融場景的 Agent 解決方案，仍是創投熱度最高的賽道之一。原文連結：[https://ift.tt/VXvp6Ag]
3. Snowflake to acquire MCP-focused Natoma to boost governance for AI agents Snowflake 宣布計畫收購美國新創 Natoma，以強化 AI Agent 在異質企業環境中的治理、安全與連線能力。Natoma 主打 MCP（Model Context Protocol）相關能力，此案呼應企業將代理式 AI 工作流「從試點推向生產」的趨勢。對於以 Snowflake 為核心資料平台的台灣企業，MCP 治理路線將更明確。原文連結：[https://ift.tt/khHWiPe]
4. Salesforce CEO delivers blunt message on AI agents Salesforce 董事長兼執行長 Marc Benioff 明確表態：AI Agent 對 Salesforce 而言已不再是試點專案，而是驅動軟體業務的關鍵引擎。對於評估 Agent 是否值得正式投入的台灣團隊，大型 SaaS 龍頭的態度轉變是一項值得參考的市場訊號。原文連結：[https://ift.tt/4qrRQLu]
企業與平台落地
5. TD’s new AI agent shaves 15 hours off mortgage decisions 加拿大 TD Bank 的 AI 團隊打造並部署了首個 AI Agent，能在數分鐘內完成原本需人工約 15 小時處理的房貸申請作業。該 Agent 已於 1 月上線，房貸專員普遍接受。此案例顯示金融機構在「高度重複的文件彙整」上採用 Agent 的成熟度，對台灣銀行業評估文件自動化具參考價值。原文連結：[https://ift.tt/KlWG8ar]
6. Tencent bets on AI agents, smaller models in race with Alibaba, ByteDance 騰訊在與阿里巴巴、字節跳動的競賽中，押注 AI Agent 與較小型模型，並挹注數十億資金以爭奪用戶。報導指出騰訊正槓桿其龐大的產品生態系來推進 Agent 布局。中國科技三巨頭的策略走向，對於關注亞太市場與供應鏈的台灣團隊具有指標意義。原文連結：[https://ift.tt/JgFUPME]
安全、護欄與身份治理
7. BadHost Flaw Exposes Millions of AI Agents to Simple Header Attacks 數以百萬計的 AI Agent 暴露於風險中：只要在 HTTP 標頭中夾帶單一字元，就可能解鎖背後執行 Agent 的伺服器。這個被命名為 BadHost 的漏洞藏身於 Python 高人氣套件 Starlette 之中，而 Starlette 每週下載量高達 3.25 億次。對於以 Python 為後端建構 Agent 服務的團隊，這是必須立即盤點的供應鏈風險。原文連結：[https://ift.tt/hlMFCG9]
8. An open-source toolkit for controlling out-of-control AI agents 代理式 AI 的快速普及，暴露出這些「非確定性助手」的一系列問題——主因在於 Agent 並非人類、行為模式也與人不同，即便它們大多使用與人相同的工具與介面。文章介紹了一套開源工具組，協助團隊在 Agent 失控時加以約束。對於正在擴大 Agent 自主權限的工程組織，是值得納入工具鏈的控制手段。原文連結：[https://ift.tt/kwbUWE9]
9. Orchid Security targets AI agent sprawl with new identity governance tools Orchid Security 擴充其 Identity Control Plane，新增一組專為治理 AI Agent 設計的能力，並指出既有的身份與存取管理（IAM）模型無法應付這類「同時繼承人類與機器授權」的新型行為者。隨著企業內 Agent 數量蔓延，獨立且可審計的 Agent 身份治理正成為剛性需求。原文連結：[https://ift.tt/lGAaWdr]
工程實踐與架構
10. How to build your own agent harness 多數 Agent 團隊不是「打造」harness，而是「採用」現成的——LangChain、LangGraph、OpenAI Agents SDK、Anthropic SDK、CrewAI、AutoGen，把迴圈、工具、記憶與編排當成單一決策整套引入。文章主張：當框架內部某個環節不符合需求時，理解並自建 harness 才能保有掌控權。對於想擺脫框架黑箱的進階團隊，是務實的架構指引。原文連結：[https://ift.tt/lKSAMn9]
11. Feedback Latency Is the Agent’s IQ 作者觀察到同一個 Agent、同一組提示，在兩個不同程式庫上的表現天差地別：測試套件 8 秒跑完的專案，得到的是謹慎且會反覆驗證的協作者；測試要跑 12 分鐘的專案，則得到一個「自信的猜測者」。核心洞察是——回饋延遲（feedback latency）幾乎直接決定了 Agent 的有效智商。縮短測試與回饋迴圈，是提升 Agent 產出品質最被低估的槓桿。原文連結：[https://ift.tt/BdTXHFG]
12. Inside the Agentic Loop: A Deep Technical Dive into AI Coding Agents, Claude Code, and the Architecture Reshaping Software Engineering in 2026 本文深入拆解 Claude Code、OpenAI Codex 等 AI 編碼 Agent 的底層運作，涵蓋 agentic loop 架構、上下文視窗管理、子代理（subagent）編排、CI/CD 整合，並以 Uber「25% 提交由 AI 完成」的里程碑探討軟體工程的走向。對於想理解編碼 Agent 內部機制、進而自行優化工作流的工程師，是少見的系統性深度資料。原文連結：[https://ift.tt/letGaNV]
小結
本期可歸納為三條主軸：第一，資金與併購集中於治理與安全——Geordie 寫下歐洲最大資安 A 輪、Saris 切入銀行垂直場景、Snowflake 收購 Natoma 補強 MCP 治理，顯示市場願意為「能管好 Agent」的方案買單。第二，大型平台與企業正式表態落地，從 Salesforce 將 Agent 視為核心引擎、TD Bank 把房貸處理從 15 小時壓到數分鐘，到騰訊押注 Agent 與小型模型，落地敘事已從概念走向 KPI。第三，安全與工程紀律同步補課：BadHost 漏洞凸顯供應鏈風險、開源控制工具與身份治理逐步成形，工程端則開始正視自建 harness、回饋延遲與 Agentic Loop 等底層議題。台灣團隊在規劃 Agent 產品化時，宜把身份治理、供應鏈安全、回饋迴圈與失控控制納入第一版架構，而非事後補強。