[Tempest AI News] 技術新聞精華 (2026-09-08)

本期焦點集中在 MCP 生態系、AI 程式代理的權限治理,以及企業導入代理式工作流程的實作案例。隨著模型開始直接操作資料、應用程式與基礎設施,團隊也更重視隔離、稽核與人工作業關卡。

三大 AI 平台加速布局業務型代理

文章比較 Claude Cowork、ChatGPT Work 與 Gemini Spark,觀察生成式 AI 如何從問答工具轉向可操作本機系統、外部服務及團隊工作流程的 AI 代理。對企業而言,評估重點已不只是模型回答品質,還包括工具整合、任務交接、權限控管與協作體驗。

來源:https://ift.tt/mv9qOFR

Process Street 推出託管式 MCP Server

合規營運平台 Process Street 發表託管式 MCP Server,讓 Claude、ChatGPT 與 Microsoft Copilot Studio 能直接存取即時工作流程、任務及資料集。這類整合可讓 AI 助理參與既有合規程序,但企業仍須明確限制可讀取與可修改的資源範圍。

來源:https://ift.tt/G5UxMC3

ToolHive 以容器隔離 MCP Server

開源專案 ToolHive 將 MCP Server 放入容器執行,為 Cursor、Claude Code 等 AI 用戶端連接外部工具時提供隔離層。專案採 Apache 2.0 授權,範圍涵蓋執行環境與 Kubernetes Operator,適合希望自行管理 MCP 部署及安全邊界的工程團隊。

來源:https://ift.tt/jOcoDkY

連接 MCP Server 前應先完成隔離檢查

這篇安全實務文章主張,AI 代理真正的爆炸半徑來自工具權限,而不只是提示詞或模型輸出。團隊在啟用 MCP Server 前,應盤點憑證、檔案系統、網路及指令執行權限,並以最小權限、環境隔離和可追蹤的操作紀錄縮小事故影響範圍。

來源:https://ift.tt/NmKtb4U

企業代理系統逐步以 MCP 取代客製工具介面

文章分析多代理架構採用 MCP 的原因:若每個模型與企業服務都維護獨立的客製 API 包裝層,整合成本與耦合度會快速上升。MCP 透過一致的工具探索及呼叫方式,讓模型端與服務端能分開演進,但驗證、授權與版本相容性仍需要平台團隊治理。

來源:https://ift.tt/pBf0tjc

用 GitHub Copilot 建立 Microsoft Fabric App

實作案例展示「提問、規劃、人工確認、代理執行」的開發流程,使用 GitHub Copilot 協助缺乏程式背景的使用者建立 Microsoft Fabric 應用程式。案例的關鍵不只是自動產生程式碼,而是先形成可檢查的計畫,再由人員確認後交給代理執行。

來源:https://ift.tt/miYgxnc

WSL Manager 2.0 加入 macOS、AI 代理與 MCP 工具

WSL Manager 2.0.0 新增 Apple Silicon macOS 支援,可在 Mac 上管理原生 Linux 虛擬機器,並加入 AI 工作區、聊天助理及 MCP 相關工具。更新也涵蓋可靠性改善,使產品定位從 WSL 管理介面延伸至跨平台的 Linux 與代理工作環境。

來源:https://ift.tt/TlPzpOI

遠端 MCP Server 開始用於應用程式內操作

文章將 MCP 的使用情境從讀取檔案或查詢資料庫,延伸到執行階段的應用程式編排。AI 程式代理可透過遠端 MCP Server 管理產品公告、情境式導覽等功能,讓產品能力直接成為代理可呼叫的工具;相對地,寫入權限及正式環境變更也必須有更嚴格的審核機制。

來源:https://ift.tt/6tdb0KY

以主管與開發者模式協調兩個 Claude Code 工作階段

開發者分享以約百行 Bash,讓一個 Claude Code 工作階段負責規劃與審查,另一個較低成本的工作階段在 iTerm2 執行程式撰寫。這種主管與開發者分工模式反映多代理開發的實務方向:依任務配置模型,並把規格、執行與審查拆成不同角色。

來源:https://ift.tt/mUTbkKj

分析型 SaaS 透過 MCP 接入各種 AI 用戶端

Formo 選擇將分析產品能力透過 MCP 對外開放,而不是在自家介面內再建立一套聊天助理。客戶因此可從 Claude、ChatGPT、Cursor、Codex 或其他相容用戶端操作服務,也能避免專案脈絡分散於多套彼此獨立的聊天紀錄。

來源:https://ift.tt/XBw4YMc

Spring AI 加入 MCP 日誌觀測實務

教學整理如何在 Spring AI 中處理 MCP 日誌。MCP 採用 JSON-RPC 通訊,當代理、用戶端與工具服務之間的互動變得複雜時,結構化日誌可協助工程團隊追蹤請求、定位錯誤,並建立後續稽核所需的操作脈絡。

來源:https://ift.tt/OTkHU7X

Incore Bank 測試 Gemini 驅動的 KYC 流程

Kyndryl 與瑞士私人銀行 Incore Bank 完成雲端代理式 AI 概念驗證,運用 Google Cloud Gemini 模型協助銀行自動化客戶開戶與風險評估。金融場景除效率外,仍需確保模型輸出可供人員覆核,並保留資料來源、決策依據及完整稽核軌跡。

來源:https://ift.tt/h2C1aSF

OpenLedger 為 AI 代理提供不可變交易帳本

Attri 開源 OpenLedger,一套以 Python、SQLite 與 aiosqlite 建構的本機優先複式記帳系統,並透過 MCP 暴露 15 項工具。系統採不可變交易設計,錯誤以沖銷分錄修正;每次資料異動也會在同一筆資料庫交易內寫入稽核紀錄,避免帳務內容與操作軌跡不同步。

來源:https://ift.tt/RcEtsmA

以 Neo4j 為 Salesforce Agentforce 提供知識基礎

這篇實作文章探討如何讓 Salesforce Agentforce 透過 MCP 使用 Neo4j 知識圖譜,並比較 Apex Actions、External Services 與 MCP 等整合方式。多代理架構的設計重點,在於明確拆分資料存取、推理與業務操作責任,降低單一代理同時持有過多權限的風險。

來源:https://ift.tt/maAs7kc

Claude Code 權限防護設定降低誤操作風險

社群分享一套 Claude Code 的 settings.json 權限防護設定,提醒開發者不要完全依賴模型預設行為。對可執行終端機指令、存取專案檔案及操作外部服務的程式代理而言,明確的允許與拒絕規則,是避免提示注入或誤判演變成重大事故的重要防線。

來源:https://ift.tt/FoAvxCp

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *