LangChain 发布 Deep Agents deploy 测试版，开源智能体部署方案对标 Claude Managed Agents
LangChain 宣布推出 Deep Agents deploy 测试版，称其是部署模型无关、开源智能体框架的最快方式，并面向生产环境。该产品被定位为 Claude Managed Agents 的开源替代方案。
推荐理由：LangChain 把开源智能体框架的部署环节产品化，读者可据此判断自托管智能体方案与托管服务的取舍。
内容形态
产品更新 最新动态
AI 产品与应用的功能上新、改版与商业化动态——谁家的产品变强了、变贵了、能用了。
28 条精选近 30 天 28 条共收录 210 条
更新
精选归档 · 第 2 页
LangChain Blog精选AI 评分6262 LangChain Blog精选AI 评分6262 LangChain 将 MCP 支持并入主包，适配无状态协议与 elicitation
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。
AWS Machine Learning Blog精选AI 评分6060 如何在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体
AWS 官方博客介绍 Grok 4.7 已在 Amazon Bedrock 上线，并演示如何用它构建工具调用智能体。
推荐理由：AWS 官方给出 Grok 4.7 在 Bedrock 上的接入方式与 72 次智能体实测，读者可据此按任务类型选择 reasoning effort 并监控 token 用量。
NVIDIA Blog精选AI 评分7878 NVIDIA RTX Spark 笔记本 10 月 16 日上市，首发配套本地 AI 智能体与开发工具
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，最高 128GB 统一内存和 1 petaflop AI 算力，首发覆盖数百款游戏、130 多款加速应用及 PyTorch、CUDA 等开发工具。
推荐理由：NVIDIA 一次性列出 RTX Spark 首发日的本地智能体、创作与开发工具清单，可据此判断本地 AI 工作流的可用边界。
NVIDIA Blog精选AI 评分7575 英伟达与微软发布 RTX Spark 及 Windows 智能体运行基础设施 MXC
在旧金山 Windows AI and Surface 活动上，英伟达与微软宣布为 Windows PC 上的 AI 智能体共同设计软硬件，微软同时宣布 OS 级基础设施 Microsoft Execution Containers（MXC）正式可用，让智能体在系统管控下安全持久地在后台运行。
推荐理由：英伟达与微软把智能体运行所需的系统级容器和本地算力硬件一并公布，读者可据此了解 Windows 端侧智能体的落地路径。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 推出 ModernBERT 密钥检测分类器，扩展推送保护
GitHub 发布基于 ModernBERT 的通用密钥检测分类器，用代码上下文识别无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，据称能把可拦截的密钥数量提升一倍以上。
推荐理由：GitHub 公开了九季度密钥泄露数据与自研分类器的落地节奏，可据此判断 AI 编码提速后密钥防护的可行路径。
AWS Machine Learning Blog精选AI 评分6262 GLM 5.3 上线 Amazon Bedrock
Z.ai（智谱 AI）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的混合专家模型，面向编码与长周期智能体任务。
推荐理由：原文给出 GLM 5.3 在 Bedrock 上的接入方式与提示缓存配置，读者可据此评估长周期编码与智能体工作流的落地成本。
Microsoft Research精选AI 评分6969 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，围绕 Harnessed Agentic RL 范式重建，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，读者可了解让部署用 harness 直接参与 RL 训练的思路与实测增益。