本期焦點集中在 Model Context Protocol（MCP）架構更新、SDK 與代理工具鏈安全。新版協定朝無狀態化與可擴充架構發展，但 Ruflo、Ruby SDK 等安全事件也提醒開發團隊：代理系統連接外部工具後，身分驗證、工作階段管理、提示注入防護與機密資料控管都必須納入威脅模型。
協定與開發工具
MCP 大改版：核心架構轉向無狀態化
Model Context Protocol 推出自發布以來幅度最大的一次更新，重點包括無狀態核心、更強的安全機制，以及新的擴充框架。取消依賴握手與長期連線狀態，有助於代理服務進行水平擴充、故障復原與負載平衡；企業導入時仍需重新檢視驗證流程、狀態保存位置及既有用戶端的相容性。[https://ift.tt/xM3obQJ]
企業版 MCP 強化自動化導入基礎
Linux Foundation 旗下 Agentic AI Foundation 發布 MCP 更新，目標是降低企業採用 AI 自動化的門檻。MCP 提供代理程式連接工具、API 與資料來源的標準介面；此次更新反映協定正從早期整合規格，逐步走向更適合企業治理與正式環境部署的基礎設施。[https://ift.tt/6soN9YH]
Microsoft 發布 MCP C# SDK 2.0
Microsoft 推出官方 MCP C# SDK 2.0，對齊最新協定規格，加入無狀態架構與多輪請求處理，並包含不相容的 API 變更。.NET 團隊升級前應先盤點傳輸層、工作階段及請求處理程式的既有實作，避免直接更新套件後產生編譯或執行期問題。[https://ift.tt/cE2UkVA]
GitHub Copilot 程式碼審查正式支援 Agent Skills 與 MCP
GitHub Copilot code review 對 Agent Skills 與 MCP 伺服器的支援已全面上線，適用於 Copilot Pro、Pro+、Business 與 Enterprise。團隊可透過技能及 MCP 工具調整審查流程，使 Copilot 取得更貼近專案的規範與外部脈絡；導入時也應限制工具權限，並審核外部資料如何影響審查結果。[https://ift.tt/yMjGlPK]
代理系統安全
Ruflo MCP Bridge 漏洞可導致未驗證遠端程式碼執行
開源 AI 代理協調平台 Ruflo 被揭露重大安全漏洞 CVE-2026-59726，亦稱「RufRoot」。依報導描述，未經驗證的攻擊者可能僅透過單一 HTTP 請求取得遠端程式碼執行能力，進而接管代理平台。使用 Ruflo 的團隊應立即確認受影響版本、限制 MCP Bridge 的網路曝露範圍，並依上游修補資訊處理。[https://ift.tt/h6gTyUO]
Ruflo 風險延伸至代理記憶污染
另一份 Ruflo 漏洞分析指出，攻擊者除可能執行任意命令，也可能污染 AI 代理使用的記憶內容。這類攻擊的影響不只限於主機被入侵：若惡意內容持續留存在記憶層，後續工作流程與工具呼叫也可能受到干擾。因此，代理記憶應視為需要驗證、稽核及可撤銷的安全邊界。[https://ift.tt/ZIdv8S3]
MCP Ruby SDK 出現工作階段記憶體耗盡漏洞
CVE-2026-67430 影響 MCP Ruby SDK 0.23.0 以前版本。問題位於 StreamableHTTPTransport：工作階段不會到期，攻擊者可透過大量 initialize 請求持續占用記憶體。Ruby MCP 服務維運者應確認套件版本，同時為初始化端點配置驗證、速率限制與資源監控。[https://ift.tt/ADnSTHq]
MCP Ruby SDK 另有 SSE 工作階段污染風險
CVE-2026-67431 同樣影響 MCP Ruby SDK 0.23.0 以前版本。依漏洞說明，StreamableHTTPTransport 未將工作階段 ID 綁定至建立該工作階段的用戶端，形成 Ruby SSE session poisoning 風險。除升級套件外，服務端也應檢查工作階段與呼叫端身分、授權資訊及連線來源之間的綁定方式。[https://ift.tt/NDVbMeG]
開源掃描器整合靜態分析與提示注入測試
有開發者推出針對 MCP 伺服器的開源安全掃描器，結合原始碼靜態分析與實際提示注入測試。其關注的核心風險是：代理讀取遭污染的網頁、檔案或 API 回應後，可能把其中的惡意指令當成可執行要求。此類工具可補強上線前測試，但仍需搭配輸出清理、工具白名單與最小權限設計。[https://ift.tt/mMWbz7X]
研究以混合分析降低 MCP 工具使用風險
論文〈Hybrid Analysis for Secure MCP Tool Use in LLM Agents〉探討如何保護大型語言模型代理使用 MCP 工具的流程。研究背景指出，代理逐漸透過標準化工具介面處理真實世界任務，使工具呼叫的安全判斷成為關鍵議題；混合分析方向則反映單靠執行前規則或執行期觀察，可能不足以涵蓋所有風險。[https://ift.tt/TyW5cRe]
生態系與應用
研究比較 MCP 與 A2A 的代理協作模式
一項比較研究從實作角度分析 MCP 與 A2A 在大型語言模型多代理系統中的協調方式。MCP 主要處理代理與工具、資料來源之間的連接，而 A2A 聚焦代理彼此的互動；對架構團隊而言，兩者較適合依責任邊界搭配使用，而非視為功能完全相同的替代方案。[https://ift.tt/p4dGvOB]
RSS-to-MCP 服務將新聞來源轉為結構化事件
開發者打造 WireSaber，將 RSS Feed 轉換成 AI 代理可讀取的結構化新聞事件，試圖解決網頁爬取不穩定及新聞內容解析成本高的問題。這類 MCP 服務適合用於監測、摘要與研究工作流，但仍需保留來源網址、發布時間及去重資訊，避免代理把重複或缺乏來源脈絡的項目當成獨立事件。[https://ift.tt/h4Tcvo1]
Gemini Spark AI 代理開放香港市場
Google 在香港推出 Gemini Spark AI 代理，讓當地使用者可直接使用智慧助理處理較複雜的數位工作流程。此次開放延續 Google 降低區域限制的動作，也意味著更多企業能在當地測試代理式應用；實際部署仍須留意服務可用範圍、資料治理與組織帳號政策。[https://ift.tt/k3SpKba]
產業動態
AI 從業人員聯署呼籲建立技術發展「減速工具」
來自 OpenAI、Anthropic、Google、Meta、Microsoft、Mistral 與 Thinking Machines 等公司的逾 1,100 名從業人員，簽署「Pacing the Frontier」公開信，呼籲美國政府支持國際合作，建立可調節自動化 AI 發展速度的技術與治理工具。Meta 執行長 Mark Zuckerberg 則提出不同觀點，警告 AI 安全權力若集中於少數機構，也可能形成風險。[https://ift.tt/nLU9hAJ]