基于 Strands Agents 的自适应智能体框架 AAIF:用本地 SLM 与 Amazon Bedrock 分层路由请求
基于 Strands Agents 构建的 Adaptive Agentic Intelligence Framework(AAIF)将 AI 请求分三层处理:用 llama3.2:1b 作为编排器分类请求,常规任务由 Ollama 本地运行的 SLM 处理,复杂分析则通过 boto3 调用 Amazon Bedrock 的前沿模型。
基于 Strands Agents 构建的 Adaptive Agentic Intelligence Framework(AAIF)将 AI 请求分三层处理:用 llama3.2:1b 作为编排器分类请求,常规任务由 Ollama 本地运行的 SLM 处理,复杂分析则通过 boto3 调用 Amazon Bedrock 的前沿模型。
Smartsheet 已在 AWS 推出正式可用的 MCP Server,AI 助手可通过标准化协议读写和管理 Smartsheet 数据,覆盖探索、创建与管理 sheet、行、列及自动化等 40 多个工具。
Mistral 发布 Voxtral 3 语音模型家族,包含 Voxtral Small Transcribe 3、Voxtral Mini Transcribe 3。
推荐理由:原文给出语音智能体全链路模型与 SDK 的延迟、价格和多语言指标,可据此比较自建语音栈的成本与部署选择。
Eon 基于 Amazon Bedrock AgentCore 搭建统一的 MCP Gateway,把原先分散在各云平台的逐工具凭证和本地 MCP 进程替换为单一认证网关,让开发者和自主智能体统一访问 AWS、GCP、Azure 三朵云上的调查工具。
AWS 与 Keyfactor 联合发布参考架构,用 Keyfactor EJBCA 的 X.509 PKI 为基于 MCP 的 AI 智能体建立可验证、可撤销的加密身份。
AWS 发布技术文章,介绍用 AWS Agent Registry 在运行时发现 MCP 服务器、Agent 和 Agent 技能,替代把工具硬编码进编排器。
Amazon Quick 与 Amazon Bedrock AgentCore 组合,让供应链管理者用自然语言跨系统查询并执行操作。演示中一次查询返回三项供应中断,其中 TechComp 停产事件涉及 23 笔订单、$750K 风险金额和三天库存。AgentCore 通过 MCP 工具层连接 ERP、监控、采购等系统,所有变更需指定人工审批。
该教程演示以 Strategy Mosaic 作为语义层,在 Amazon Redshift 与 Amazon Aurora 上通过两个链接模型建模 C360 域,无需 ETL。
在 AWS 上可用 Denodo Platform 作为语义层,通过 Denodo MCP Server 将受治理视图暴露给托管在 Amazon Bedrock AgentCore 上的智能体,并以 VQL 查询。
Amazon Bedrock 在 bedrock-runtime 和 bedrock-mantle 两个端点上为所有可用的 Anthropic Claude 模型提供结构化输出,返回符合 JSON Schema 的响应,无需自定义解析或重试逻辑。
AWS 博客演示以 AtScale 作为语义层、在 Amazon Redshift Serverless 上构建 Customer 360 智能体查询方案。
AWS 提出 Trust in Depth 方法,用独立分层的验证机制让 AI 智能体在可验证时自主行动、把人工判断留给真正需要决策的环节。该方法围绕 Scope、Know、Bound、Observe 四个生命周期问题展开,并用自动化推理检查智能体规则是否在所有路径上成立。
Apple 研究对比了工具增强 LLM 智能体的两种工具发现架构:主流的 Retrieve-then-Plan(RtP)用用户查询做近似最近邻检索,替代方案 Plan-then-Retrieve(PtR)则先让 LLM 生成描述所需能力的 Abstract Tool Stubs,再以此为查询检索工具注册表。研究针对有限上下文窗口无法注入全部工具定义的问题展开规模评估。
Databricks 的 Document Intelligence 解析、分类与提取 REST API 正式 GA,用于文档路由的 decisions API 进入 beta。开发者可在应用或智能体中调用 ai_parse_document、ai_extract、ai_classify 等接口,实时将文档转为结构化结果,并支持引用定位与置信度分数。
基于 Amazon Bedrock AgentCore 构建的多智能体 IDP 系统,用 8 个专用智能体在两条图工作流中完成文档分类、提取、校验与自我学习,新文档类型无需手工配置模板,部署通常可在 20 分钟内完成。
Databricks 发布 Private Network Gateway(PNG),在 Azure 进入公开预览、AWS 进入私有预览,让 serverless 计算通过一条连接接入用户自有网络。
Anchor Browser 与 Amazon Bedrock AgentCore payments 集成,让 AI 智能体在浏览器会话内自动处理 x402 协议的 HTTP 402 支付请求,现已上线 AWS Marketplace。
LangChain 表示 GLM-5、MiniMax M2.7 等开源模型在文件操作、工具调用和指令遵循等核心智能体任务上已能匹配闭源前沿模型,且成本和延迟更低。文章称将展示其评测结果,并说明如何在 Deep Agents 中使用这些模型。
推荐理由:LangChain 用自家评测说明开源模型在智能体核心任务上的位置,可据此判断成本与延迟取舍。
LangChain 重构了 MCP 支持,将其从独立的 langchain-mcp-adapters 移入主包 langchain.mcp,通过 pip install "langchain[mcp]" 安装,并基于 FastMCP 构建。
推荐理由:LangChain 把 MCP 支持并入主包并适配无状态新规范,读者可据此判断现有 MCP 接入方式需要怎样迁移。
ShipStation Global 工程团队基于 Amazon Bedrock AgentCore 打造了 Slack 内的 AI IT 服务台 Deckhand,可回答常规 IT 问题、识别报错截图并创建和更新 Jira Service Management 工单。
Orange Business 基于 LangChain 与 LangSmith 构建旗舰 AI 平台 Live Intelligence,已部署给 120,000 名 Orange 员工,并被法国及欧洲 150+ 客户采用。
Amazon Bedrock 面向亚太五个 AWS 区域开放 OpenAI GPT-6 系列的全球跨区域推理,GPT-6 Sol 和 GPT-6 Luna 可从新加坡、雅加达、马来西亚、泰国和台北调用,GPT-6 Astra 仅从新加坡调用。
GitHub Copilot 可通过四种方式定制项目上下文:用 .github/copilot-instructions.md 定义仓库级规范,用 .github/instructions 配合 applyTo 字段做路径级指引,用 .github/skills 下的 SKILL.md 封装可复用流程,用 .github/agents 创建专用自定义智能体。
Postman 的 Agent Mode 运行在 Amazon Bedrock 上,为 4000 万开发者提供跨 API 测试、文档、发现与实现的 AI 原生工作方式。
Amazon Bedrock 在 9 月新增 OpenAI 的 Astra、Sol、Luna 系列模型,其中 GPT-6 Astra 支持最高 100 万输入 token,GPT-6 Astra Ultrafast 提供最高 6 倍推理加速、300 tokens/秒。
Incarna 借助 Amazon Bedrock AgentCore payments,让 AI 智能体按请求向 BlockRun 付费购买模型推理,把接入 x402 支付支持的工作从数月缩短到数天并投入生产。
Radisson Hotel Group 与 Accenture 合作,基于 OpenAI 技术打造了一款 ChatGPT 插件,帮助旅客在规划行程时查找、比较和预订酒店。
基于 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 与 Amazon Bedrock Knowledge Bases,可搭建一套航空语音旅行助手,让旅客通过语音查询行程、改座位、更新餐食偏好并转接人工客服。
AWS 提出 Agentic Value Model,用于替代为 RPA 设计的传统 ROI 模型,从时间节省、异常处理、决策质量和变更韧性四个维度衡量智能体自动化的价值。
Qlik 基于 Amazon Bedrock 打造 Qlik Answers,让员工用自然语言提问并获得带来源的可信回答,自 2026 年 2 月正式可用以来,其 Discovery Agent 已为客户发现超过 10 万条异常与离群点。
AWS 提出一套六周结构化培养方案,让非工程背景的业务人员用 Amazon Bedrock、AgentCore 和 Strands Agents SDK 构建可运行的 AI 原型。
Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟降至 10 分钟,减少 78%。该系统由三人团队在六个月内交付,同时把 10 步以上手动生命周期操作压缩为一次交互,并将冗余告警中位数削减 65%。