本期焦點集中在代理式程式開發、Model Context Protocol（MCP）工具鏈、瀏覽器自動化與安全風險。從正式研究、開發工具到社群專案，可以看到 AI 代理正逐步進入實際工程流程，但權限控管、測試品質與供應鏈安全也變得更加重要。
代理式程式開發與模型整合
GitHub Copilot 大規模正式環境研究
一篇論文針對 GitHub Copilot 在正式環境中的代理式程式開發行為進行分析，嘗試從大規模使用資料描繪 AI coding agent 的實際運作方式。對正在評估導入成效、工作負載與工程流程變化的團隊而言，這類實證研究比單次展示更具參考價值。原文：https://ift.tt/9Ta6XYn
Lupin 讓 Claude Code 接上不同模型供應商
Lupin 是位於 Claude Code 與模型供應商之間的代理層，主打在保留既有 MCP server、skills 與 hooks 設定的情況下，切換至 GPT 5.6 Sol、Kimi K3、DeepSeek Flash 或本機模型。這項社群專案瞄準多模型評測與既有工具設定難以搬移的痛點。原文：https://ift.tt/j6ZbsWO
AWS 儀表板比較多款 AI coding agent 支出
一篇文章介紹 AWS 用於並列追蹤 Claude Code、Codex 與 GitHub Copilot 支出的儀表板。當團隊擴大使用 AI coding agent，成本往往分散在不同平台與計費模式中；統一觀測有助於依團隊、工具及使用情境掌握支出。原文：https://ift.tt/HpGmwDl
MCP 工具與代理基礎設施
Memory MCP 提供跨工作階段的知識圖譜記憶
Memory MCP 是官方知識圖譜 server，可保存實體、關係與觀察紀錄，讓 Claude Code 在不同工作階段之間保留結構化資訊。這種持久化記憶適合用於專案脈絡、系統元件關係及長期任務狀態，但導入時仍須界定資料生命週期與可存取範圍。原文：https://ift.tt/Wg3moQ7
MCP 如何連接 AI 模型與外部工具
一篇入門文章說明 MCP 的用途：透過一致的協定，讓 AI 模型連接外部工具與資料來源。對應用程式開發者而言，MCP 可降低每個模型、工具與服務都需要個別整合的負擔，也讓工具介面更容易在不同代理環境中重複使用。原文：https://ift.tt/6bYTj09
Chrome DevTools MCP 開放瀏覽器除錯能力
Google 的 Chrome DevTools MCP server 將 DevTools 儀器、效能 trace、網路 waterfall 與經 source map 對應的主控台錯誤提供給 Claude Code。AI coding agent 因此能直接取得瀏覽器執行期證據，協助分析前端效能、網路請求與程式錯誤。原文：https://ift.tt/NwjLRd5
Playwright MCP 以結構化快照驅動網頁
Microsoft 的 Playwright MCP server 透過結構化的無障礙快照操作頁面，而非依賴畫面像素。這種方式讓代理能以頁面語意辨識控制項，可應用於網頁操作、流程驗證及瀏覽器自動化；實際使用時仍應限制可造訪網站與敏感操作權限。原文：https://ift.tt/p3tU6We
Selenium MCP server 生態與實作選擇
一位開發者整理現有 Selenium MCP server 後，提出自己的 Java 實作，讓 AI coding assistant 能建立真實 Selenium WebDriver 工作階段，直接檢查及操作 Chrome、Firefox 或 Edge。這份經驗分享可作為評估瀏覽器相容性、語言執行環境及自動化架構的起點。原文：https://ift.tt/1hzUkE9
垂直應用與開發框架
OpenTakeoff 讓 AI 代理操作營建估算流程
OpenTakeoff 是採 Apache-2.0 授權的開源 PDF 工料估算引擎，面向營建與地板工程，提供結構化 MCP 工具、房間偵測、材料及數量處理能力，並可完全在瀏覽器執行。專案也提供選用的資料蒐集層，供團隊後續調整模型。原文：https://ift.tt/chkH2rx
Dart 也能建置 ADK Agent 與 MCP server
一項範例專案使用 adk_dart 建立代理，並以 shelf 架設小型 HTTP server，透過 Server-Sent Events 提供相容 MCP 的工具。這顯示 Dart 開發者不必額外建立 Python 或 Node.js 服務，也能在既有技術棧中試作代理與 MCP 整合。原文：https://ift.tt/yLx26pP
LangGraph 從聊天機器人延伸至工具、記憶與串流
一篇教學文章以 LangGraph 為主軸，涵蓋 StateGraph、ReAct agent、checkpoint、串流及 MCP。內容呈現代理應用從基本聊天介面逐步加入狀態管理、工具呼叫與持久化能力的路徑，適合用來理解各元件在代理架構中的分工。原文：https://ift.tt/wOuiCzl
測試與安全
stryker-mcp-reporter 將突變測試接入 AI coding agent
stryker-mcp-reporter v1.12.0 加入原生 MCP 支援，讓 AI coding agent 能操作突變測試流程。相較只確認程式碼是否被執行的覆蓋率，突變測試會檢驗測試案例能否察覺程式行為遭到修改，有助於辨識 AI 產生測試可能偏重正常路徑的問題。原文：https://ift.tt/1hOtHnj
GitHub MCP Server Completion Handler 爆出空指標弱點
CVE-2026-47427 影響 GitHub MCP Server 1.0.x，其問題位於 pkg/github/server.go 的 CompletionsHandler，涉及空指標解參照。使用相關版本的團隊應確認實際受影響範圍，並依專案或供應商提供的修正資訊安排更新與緩解措施。原文：https://ift.tt/UKWgyP2
KoboldCPP MCP Server 被揭露 SSRF 弱點
CVE-2026-19373 影響 PhialsBasement KoboldCPP-MCP-Server 1.0.0，問題出現在 src/index.ts 的 makeRequest，與 apiUrl 造成的伺服器端請求偽造（SSRF）有關。部署 MCP server 時，應特別限制可連線目的地、內部網路存取與使用者可控制的 URL。原文：https://ift.tt/KPvHWRj
代理遭入侵後的自動封鎖實驗
一篇實作紀錄探討 AI 代理受到提示詞注入、金鑰外洩或惡意工具結果影響後，如何偵測並自動阻斷其行為。核心問題在於代理遭入侵後仍可能保有憑證與網路路徑，因此代理安全不能只依賴模型本身，也需要執行期隔離、權限控管與網路層防護。原文：https://kabirnarang39.github.io/wardline/docs/blog/auto-blocking-compromised-agents/