本期焦點涵蓋開放模型布局、MCP 企業化與資安風險、AI Agent 協作，以及模型進入實體設備的最新進展。隨著 MCP 快速成為 Agent 串接工具與服務的重要介面，權限控管、網路邊界與人工核准機制也成為工程團隊不可忽視的議題。
模型、生態系與產業動態
Nvidia 投資 Hugging Face，替開放模型生態系增加籌碼
Nvidia 對 Hugging Face 的興趣，被視為其擴大開放原始碼 AI 布局的一環。若 OpenAI、Anthropic 等封閉模型供應商掌握過多市場影響力，可能降低 Nvidia 在 AI 技術堆疊中的議價空間；支持開放模型與相關平台，則有助於維持多元的模型供應及 GPU 需求。
Google 推出 Gemini 3.5 Transcribe，支援 85 種語言
Google 發表即時語音轉文字模型 Gemini 3.5 Transcribe，可自動辨識超過 85 種語言，並在轉錄過程中移除「嗯」等填充詞及修正口語停頓。這類自動整理能力能降低會議逐字稿與字幕的後製成本，但若應用於需要逐字保存的訪談或法律情境，仍須確認系統是否改寫了原始語意。
Anthropic 規劃以龐大 AI 市場規模支撐 IPO 論述
據報導，Anthropic 正準備首次公開募股提案，並預計向投資人主張其潛在市場總額超過 30 兆美元。這項數字將成為公司爭取高估值及持續投入大量資本的核心論述；由於消息來自知情人士，相關上市規劃與市場估算仍應以公司後續正式文件為準。
Meta 據報評估每年投入 100 億美元採用 Anthropic 工具
Meta 據報曾推估，每年可能在 Anthropic 的 AI 工具上投入 100 億美元。這項規模凸顯大型科技公司在 AI 市場中同時競爭與採購彼此技術的複雜關係，也反映模型能力、運算資源與產品整合正在形成高度交錯的供應鏈。
MCP 與 AI Agent 工程
Java 框架開始成為 MCP Agent Host
Spring AI、LangChain4j、Quarkus 與 Helidon 均已支援 Model Context Protocol。這不只是新增一層整合介面，也代表企業既有 JVM 應用可能從主動呼叫模型，轉變為可由 AI 模型呼叫的工具與服務端。對 Java 團隊而言，既有商業邏輯可望更容易納入 Agent 工作流程，但身分驗證、授權及稽核也必須同步調整。
Concord 讓多套 AI 程式開發 Agent 跨工具協作
開放原始碼專案 Concord 提供本機優先的通訊與協調層，讓 Claude Code、Codex、Cursor、Gemini CLI 與 Grok Build 彼此交換即時訊息。它可在不同 Agent 編輯程式碼前偵測工作範圍重疊、共享決策，並附帶佐證進行任務交接，試圖解決多 Agent 平行開發時互相覆寫或產生不相容變更的問題。
GitHub Copilot MCP Allowlist 強化企業工具管控
MCP 能讓程式開發 Agent 存取文件、Issue 追蹤系統、資料庫、內部 API 與各類開發工具，但也擴大了 Agent 可觸及的企業資源。透過 MCP Allowlist，管理者可明確限制允許連線的伺服器與工具，將 Agent 權限納入既有治理流程。實務上仍須搭配最小權限、憑證隔離與操作稽核，避免 Allowlist 被當成唯一防線。
MCP 服務不呼叫外部 AI API，反而更聚焦工具價值
brainstorm-mcp 原先支援 OpenAI、DeepSeek、Gemini 等多家模型供應商，並依環境變數載入可用服務。作者後續移除對 AI API 的依賴，主張 MCP Server 若專注於提供結構化流程、上下文與確定性工具，可減少重複推論、供應商設定及金鑰管理負擔，讓上層 Agent 自行負責模型推理。
Anthropic 發布 Model Hardware Standard，讓 Agent 操作實體設備
Anthropic 發布 Model Hardware Standard，目標是協助 AI Agent 使用顯微鏡、量子運算硬體與機械手臂等實體系統。當 Agent 從軟體工具走向實體設備，介面標準化只是第一步；硬體互鎖、操作範圍、失敗復原與人工中止機制，將直接影響系統能否安全部署。
NorthCinder 將買方核准納入 Agent 購物流程
開放原始碼 MCP Server NorthCinder 可讓 AI 應用依買方指定來源比較商品、呈現佐證資訊，並在購買前取得使用者核准。其設計重點是將推薦與結帳拆成不同階段，避免 Agent 根據建議直接完成交易，為代理式商務提供較清楚的人機權責邊界。
AI 與 MCP 資安
科技業警告 AI 輔助網路攻擊的準備時間有限
OpenAI、Anthropic、AWS、Microsoft 與超過 100 家企業共同警告，產業因應 AI 輔助網路攻擊的準備窗口有限，並呼籲採取集體行動。對防守端而言，除了導入 AI 偵測工具，也需處理存取權限、事件通報、跨組織情資共享，以及模型與 Agent 本身可能遭利用的風險。
Sentry MCP Server SSRF 揭露 Agent 信任鏈風險
研究人員通報 sentry-selfhosted-mcp 的 raw_sentry 相關功能存在伺服器端請求偽造（SSRF）風險。這類弱點可能讓攻擊者藉由 MCP 工具，使伺服器向原本不應存取的位址發送請求。企業部署 MCP Server 時，應限制輸出網路、驗證 URL 與重新導向，並隔離雲端中繼資料及內部管理端點。
UI-TARS-desktop MCP Server 預設對外綁定且未驗證
CVE-2026-81735 指出，UI-TARS-desktop 的 mcp-http-server 在未指定主機時，預設監聽位址為「::」，可能使服務綁定所有網路介面。若同時缺乏驗證，遠端使用者可能接觸 MCP 功能並造成任意命令執行風險。維運人員應檢查實際監聽介面、防火牆規則與版本修補狀態，不應假設開發用 MCP 服務只會對本機開放。
Flowise AI 舊版 customMCP 端點涉及已驗證 RCE
CVE-2025-59528 涉及 Flowise AI 的已驗證遠端程式碼執行弱點。資料指出，3.0.4 以下版本的已登入使用者可向 customMCP 端點送出特製 JavaScript Payload，進而在主機上執行程式碼，修正版本為 3.0.5 以上。使用 Flowise 的團隊應確認版本、縮限一般帳號權限，並檢查相關端點與主機是否出現異常操作紀錄。
使用行為與治理
Anthropic 開放外部研究者分析 Claude 使用情境
Anthropic 公布一項試辦計畫成果，讓三名外部研究者針對 Claude 使用狀況進行研究，其中一項研究發現，使用者會將高風險任務交由模型處理。此結果凸顯 AI 治理不能只依任務類別判斷風險，產品也需要在關鍵決策點提供提示、人工覆核與可追溯紀錄。