本期焦點集中在 Model Context Protocol（MCP）的企業整合、安全治理與開發工具生態。從雲端部署、統一工具介面到路徑穿越漏洞，MCP 正快速成為 AI Agent 的基礎設施，但權限控管與供應鏈風險也隨之升高。
Gemma 4 E2B 上線 Cloud Run GPU 的完整部署流程
一篇實作指南示範如何將 Gemma 4 E2B 部署至具備 NVIDIA L4 GPU 的 Cloud Run 環境，並以 vLLM 提供模型服務。專案另外建立一組 Python MCP 工具，讓 Claude Code 能協助管理部署流程，適合評估小型模型、無伺服器 GPU 與 Agent 維運整合的開發者參考。
AWS、Azure 與 Google Cloud 的 MCP Server 定位並不相同
雖然三大雲端平台皆已提供 MCP Server，但其產品定位、工具範圍與安全邊界存在差異。相關分析將市場方向概括為兩類：一類讓 Agent 操作雲端控制平面，另一類則以受控方式提供資料或服務存取。企業導入時不能只比較協定相容性，也必須檢視授權模型與可執行動作。
Microsoft Foundry 以 Toolboxes 統一 MCP 工具層
Microsoft Foundry 的 Toolboxes 主打企業級 MCP 管理，可支援執行階段工具搜尋、MCP Skill 擴充及最新的 MCP 2026-07-28 規格。團隊也能將 OpenAPI 工具與 A2A Agent 暴露為 MCP 介面，並在不同 Agent 間重複使用同一套設定。
來源：https://www.youtube.com/watch?v=_VzwtDOqX0M
Gemini Enterprise 結合遠端 MCP、Skills 與治理機制
Google Cloud 社群文章探討如何以遠端 MCP Server、Skills 與 Agent 組合受治理的 Gemini Enterprise 應用。核心目標是讓員工透過自然語言存取企業系統與即時雲端資料，同時保留集中管理與權限邊界。
SAP Integration Suite 將既有 API 轉為 Agent 可用工具
SAP 介紹 Integration Suite 的 MCP Gateway，協助企業以 MCP 將 AI Agent 安全連接至既有 API、商業流程與後端服務。另一項實作則展示如何把採用 FastMCP 與 streamable HTTP transport 的 Python MCP Server 部署至 SAP BTP Kyma，再透過自訂連接器接上 Claude。
來源：https://www.youtube.com/watch?v=8ujzAsaLHqs、https://ift.tt/q3PDU5A
AI SDK Harness Layer 加入 GitHub Copilot
AI SDK Harness Layer 現已透過官方的 @ai-sdk/harness-github-copilot adapter 支援 GitHub Copilot。應用程式可使用相同的 HarnessAgent 介面執行不同程式開發 Agent，有助於降低上層應用與單一 Agent 供應商之間的耦合。
MCP 新版規格聚焦 Agent 通訊原語
MCP 現況分享整理了 2026-07-28 規格的重要變更、後續路線圖與新興優先事項，其中包含 Agentic Messaging Primitives。這顯示 MCP 的發展範圍正從單純的工具探索與呼叫，逐步延伸到更完整的 Agent 通訊能力。
來源：https://www.youtube.com/watch?v=lP93VxU76aI
Tripwire 在隔離環境掃描 MCP Server 與 AI Skills
開源工具 Tripwire 針對 MCP Server 與 AI Skills 的安裝風險而設計。由於這些元件可能直接在本機環境執行程式碼，Tripwire 會先將待檢查項目放入隔離環境執行安全掃描，為直接從 GitHub 安裝第三方擴充功能的流程增加一道防線。
knowns 的 code.find MCP 工具爆出路徑穿越漏洞
CVE-2026-88938 指出，knowns 0.33.0（含）以前版本未將 code.find MCP 工具的路徑參數限制在專案根目錄內。攻擊者可提供特製路徑，使 AI Agent 工作階段讀取主機其他位置的原始碼檔案；使用相關版本的團隊應優先檢查暴露範圍與更新狀態。
MCP 解決工具探索，卻沒有自動解決安全問題
MCP 可讓 Agent 透過 tools/list 發現搜尋議題、查詢資料庫、寄送郵件、退款或刪除測試環境等工具，但「可被探索」不代表「可被安全使用」。相關分析提醒，實務部署仍需額外設計最小權限、操作核准、參數驗證、稽核紀錄與高風險動作隔離。
OpenAI 與 Anthropic 的 Agent 事件凸顯事故治理需求
報導指出，研究者在 OpenAI Agent 的「Wiki 事件」中發現更多活動足跡，顯示影響範圍可能比先前揭露更廣。Anthropic 的後續調查則在原本公布的三起 Claude 意外存取真實第三方系統事件之外，再確認第四起案例。焦點已從單次模型失誤轉向事件揭露、調查流程與持續監控。
Anthropic 指控中國 AI 公司以中繼站進行模型蒸餾
Anthropic 詳述其所稱的模型蒸餾活動，指稱包括 Moonshot 與 DeepSeek 在內的中國 AI 公司，透過位於中國境外的「中繼站」將使用者查詢送往 Claude。相關說法涉及模型服務條款、流量來源辨識及前沿模型能力外流等議題，目前應視為 Anthropic 提出的指控。
Anthropic 研究描繪三種 AI 經濟發展情境
Anthropic 發表研究，提出三種差異明顯的 AI 經濟未來，並探討其對知識工作與整體經濟的可能影響。相關討論反映企業採用 AI 的效益並非單一路徑，實際結果仍取決於技術擴散、生產力轉化與工作流程重組。
PCI Pal 推出面向 Agent 支付場景的原生 MCP Server
PCI Pal 在其雲端支付與客戶互動平台加入原生 MCP Server，定位為供應商中立、專為 Agentic AI 設計的安全層。此類整合顯示 MCP 正進入支付等高敏感度場景，驗證、資料保護與交易授權邊界將成為落地關鍵。
RingCentral 將企業通訊資料接入 ChatGPT 與 Claude
RingCentral 宣布推出 ChatGPT Plugin 與 Claude MCP Connectors，讓大型語言模型可使用企業的語音、簡訊及聊天資料，進一步把對話轉換成可執行動作。對企業而言，導入時仍須特別處理通訊資料的存取權限、個資保護與動作核准流程。