[Tempest AI News] 技術新聞精華 (2026-10-22)

本期焦點集中在 AI Agent 協定、生產環境治理、安全防護與企業整合。MCP 生態持續擴張,從工具探索、工作流編排到瀏覽器自動化皆出現新的實作;另一方面,權限控管、供應鏈風險與漏洞掃描也成為不可忽視的工程議題。

AI Agent 協定堆疊加入 ARD

隨著 MCP、A2A 與 Skills 分別負責工具連接、Agent 溝通及能力封裝,新的 ARD 開放標準則瞄準 AI Agent 尋找工具的需求。文章整理各協定在 Agent 架構中的定位,並指出 Google、Microsoft、GitHub 與 Hugging Face 已表態支持 ARD,反映工具探索與互通性正逐漸形成獨立的協定層。來源:https://ift.tt/NYF8IZn

Codex 與 Claude Code 的開發工作流比較

Codex 與 Claude Code 都能讀取專案、修改檔案及執行指令,但兩者的產品整合方式有所不同。Codex 隨 ChatGPT 方案提供,具備開源命令列工具與雲端模式;Claude Code 則採用 Anthropic 模型,主要整合於終端機工作流。選型時可依既有訂閱、部署模式及團隊習慣評估。來源:https://ift.tt/E6z0oJh

以 FastMCP 建置可上線的 Python MCP Server

這份實作指南以 FastMCP 為核心,說明如何用 Python 建置並部署生產等級的 MCP Server。重點不只在工具介面,還涵蓋企業導入時需要考量的部署與服務化方式,適合準備將概念驗證轉成正式系統的開發團隊參考。來源:https://ift.tt/NlMjG6g

Claude Code 串接 Ollama 與本機模型

文章示範如何讓 Claude Code 改用 Ollama 上的本機模型,在自己的電腦執行程式碼理解、檔案修改與終端機操作。這種架構可減少程式碼送往雲端的需求,也讓團隊能自行控制模型與運算環境,但實際效果仍會受到本機硬體和所選模型能力影響。來源:https://ift.tt/qBVAZid

多 Agent 研究架構的整合與效能檢視

面對 ChatGPT、Gemini 等封閉式深度研究功能難以直接嵌入外部系統的限制,這篇文章檢視多 Agent 架構、MCP 整合及模型效能之間的取捨。對自行建置研究型 Agent 的團隊而言,關鍵不只在模型能力,也包括任務拆分、工具協作及整體系統的可整合性。來源:https://ift.tt/xt4VUJA

用視覺化 DAG 強化 Agent 資料管線韌性

當 AI Agent 需要協調資料擷取、轉換及多階段處理時,單純串接工具容易缺乏可觀測性與失敗復原機制。這項 Python 實作以輕量 MCP 引擎建立視覺化工作流 DAG,目標是讓複雜資料管線的步驟、相依關係與執行狀態更容易管理。來源:https://ift.tt/VbjqhXW

以治理型 MCP Server 管理 CLI 席次與工作交接

多 Agent 同時操作本機儲存庫與 Shell 環境時,容易遇到角色權限、CLI 席次占用及工作階段交接問題。這篇實作提出治理型 MCP Server,透過角色式協調與 Session handover 管理多個 Agent 的操作邊界,適用於以 Agent 群組執行軟體工程任務的場景。來源:https://ift.tt/zRr48Eu

Veilgate 為 MCP 流量加入本機零信任防線

MCP Server 之間交換的 JSON-RPC 流量可能攜帶環境資訊或敏感資料,連接數量增加後也更難逐一檢視。Veilgate 因此採用本機零信任隱私防火牆的思路,在 Agent 與 MCP Server 之間加入流量管控層,協助限制非預期的資料外流與工具存取。來源:https://ift.tt/wv7RhS5

Zoom 將會議歷史轉成可查詢的 AI 上下文

Zoom 發表 Unified Context Layer,將會議中的人員、主題與決策整理成持續更新的知識圖譜,並透過 MCP API 開放給 Claude 與 GPT 使用。企業 AI 助理因而可查詢會議脈絡,而不再只依賴行事曆等結構化資訊;導入時仍需同步處理存取權限及會議資料治理。來源:https://ift.tt/oNGzvj3

OpenAI 與 Google 模型協助發現 PHP 關鍵漏洞

OpenAI 的 GPT-5.6 Sol 與 Google 的 Gemini 4 Argon 被報導發現一項可能影響數百萬網站的 PHP 關鍵漏洞,其中 GPT-5.6 Sol 是在 Patch-the-Planet 計畫中追查出問題。這起案例顯示前沿模型開始實際投入大型軟體的漏洞研究與修補流程。來源:https://ift.tt/upN6TvR

以最小權限讓 AI Agent 操作 GitHub

程式開發 Agent 雖能建立功能分支、重構舊系統及產生測試,但若直接取得完整 GitHub 憑證,可能造成金鑰外洩或越權操作。這份 Python 教學以最小權限 MCP Server 包裝 GitHub 能力,將 Agent 可執行的動作與秘密資訊隔離,提供較明確的安全邊界。來源:https://ift.tt/MyZWdnQ

Zapier 推出可跨 AI 工具共用的 MCP Server

Zapier MCP 現在可讓 Claude、ChatGPT、Cursor 等不同客戶端連到同一個 Server,共用相同的應用程式、動作、Skills 與運作模式。對同時採用多種 AI 工具的團隊而言,這可減少重複設定連線與自動化流程的成本,也有利於集中管理工具能力。來源:https://ift.tt/y2Ec6xP

掃描熱門 MCP Server 揭露供應鏈風險

一項研究掃描了熱門的 500 個 MCP Server,關注這些套件在本機執行時可能接觸環境變數、API 金鑰及其他敏感資訊的風險。由於使用者常透過 npx 或 uvx 直接啟動第三方程式碼,安裝 MCP Server 應比照套件供應鏈管理,納入來源審查、權限隔離及版本控管。來源:https://ift.tt/9H6PmbA

Anthropic 提案以重大傷亡風險作為模型暫停門檻

Anthropic 提出的 AI 安全法案構想,將模型可能造成 50 人以上死亡的情境列為暫停條件。這項提案把抽象的模型風險轉成較具體的監管門檻,也顯示前沿模型供應商正嘗試建立部署前評估、風險揭露及緊急停止機制。來源:https://ift.tt/HSy8Rpf

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 *