Smartsheet 在 AWS 上推出通用可用 MCP Server
Smartsheet 推出通用可用的 MCP Server,支持 AI 智能体通过标准化协议读写和管理 Smartsheet 数据。该服务器提供超过 40 个工具,允许用户通过自然语言更新任务状态、创建行及修改项目结构。文章演示了如何通过 Amazon Quick 和 Kiro 连接该服务器,实现跨职能工作流中的自动化任务管理。
Smartsheet 推出通用可用的 MCP Server,支持 AI 智能体通过标准化协议读写和管理 Smartsheet 数据。该服务器提供超过 40 个工具,允许用户通过自然语言更新任务状态、创建行及修改项目结构。文章演示了如何通过 Amazon Quick 和 Kiro 连接该服务器,实现跨职能工作流中的自动化任务管理。
Smartsheet 推出通用可用的 Model Context Protocol (MCP) Server,支持 AI 助手通过标准化协议读写及管理数据。该协议涵盖 40 多种工具,允许用户通过自然语言更新任务状态、创建行及修改项目结构。文章演示了如何通过 Amazon Quick 和 Kiro 连接该服务器,实现跨职能工作流中的自动化任务管理。
Microsoft Research 播客中,Catalyst Lab 主任 Chris White 回顾其从学术转向实战的经历。他曾在阿富汗协助 DARPA 利用数据分析预防暴力,后致力于开发暗网搜索工具以打击人口贩卖。White 强调在目睹人性黑暗面后,通过解决实际问题保持希望的重要性。
Amazon Bedrock 加拿大区域现可通过跨区推理访问 OpenAI GPT-5.6、GPT-6 及 GPT-6.1 系列模型。这些模型支持 100 万 token 上下文窗口、推理模式及工具调用,并兼容 OpenAI Responses API 与 Bedrock Converse API。推理请求由北美区域处理,用户无需在应用中管理目标区域路由。
三位资深 Java 开发者分享利用 GitHub Copilot 提升生产力的具体案例与最佳实践。Vlad Mihalcea 借助 Copilot 将原本需数周开发的 Hypersistence Optimizer 功能缩短至两天完成,并创建自定义技能以匹配其写作风格。
AWS 演示了利用 AtScale 和 Amazon Bedrock AgentCore 构建 Agentic AI 语义层的方法,采用 Anthropic Claude Sonnet 4.6 作为基础模型。
本文演示在 AWS 上利用 Strategy Mosaic 作为语义层,通过 MCP 协议连接 Amazon Bedrock AgentCore 托管的 Strands 智能体。
AWS 演示了利用 Denodo 平台与 Amazon Bedrock AgentCore 构建 Agentic AI 语义层的方法,实现了对 Amazon Aurora、Amazon Redshift 及本地 PostgreSQL 的联邦查询。
Eon 利用 Amazon Bedrock AgentCore 构建统一 MCP Gateway,替代分散的工具凭证与本地 MCP 进程,实现跨 AWS、GCP 和 Azure 的集中式访问。该方案将新工程师配置调查工具的时间从 2 天缩短至约 2 分钟,并通过 Cedar 策略实现最小权限控制。此前 Eon 需为每个工具单独配置凭证,且本地 MCP 服务器难以标准化维护。
用户可在 VS Code 中直接打开 GitHub Copilot App 会话,保留原有对话、代码变更及工作树上下文。该功能允许开发者在编辑器内逐行审查 Agent 生成的代码,进行手动编辑、本地测试,并继续与 Copilot 交互以完善实现。此教程展示了从 App 移交控制权至 VS Code 进行最终调试与推送的完整工作流。
TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 可用,支持将长视频转化为带时间戳的结构化 JSON 元数据。该版本单次请求可分析长达 2 小时的视频,并新增视频分段、多模态提示及无需预索引的即时处理功能。此前 Pegasus 1.2 仅支持 1 小时视频分析,此次升级显著扩展了处理容量。
EBU 与 NVIDIA 扩展去年推出的主权标准,引入主权云、开放模型及集成伙伴,以支持欧洲公共媒体在保留数据控制权的前提下部署智能体。Adobe Frame.io 利用 NVIDIA GPU 加速视频搜索,实现约 5 倍嵌入生成速度提升及最高 5 倍延迟降低,帮助 UFA 等制作方快速定位素材。
NVIDIA RTX Spark 笔记本现已上市,搭载 Blackwell RTX 显卡与最高128GB统一内存,起售$2,399。ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 等厂商推出机型,NVIDIA 在柏林等全球六城举办上市庆祝活动,黄仁勋现身并发放五台签名笔记本。
AWS 基于 Amazon Bedrock AgentCore 构建了生产级 AI 智能体持续质量评估框架,用于解决智能体在演示中表现良好但在生产中静默失效的问题。
Microsoft Research提出Magnetar零知识虚拟机,可证明Rust、Go或C程序执行,较现有最快zkVM平均提速10至39倍且安全性仅基于标准哈希函数。它基于RISC-V架构,证明验证约12毫秒,无需椭圆曲线或可信设置。这是微软十余年可验证计算研究的集大成成果。
AWS 提出 Trust in Depth 框架,通过范围界定、身份识别、边界约束与观测四层控制,让智能体在可验证规则下获得更多自主权。该框架结合自动化推理检查策略矛盾,并借助 Bedrock AgentCore 等产品强制执行边界,减少人工审批瓶颈。
AWS 机器学习博客教程演示 Anchor Browser 与 AgentCore payments 集成,使 AI 智能体在浏览器会话内自主支付 x402 保护的网页和 API。该方案将钱包密钥与预算控制移入托管层,原有 Playwright 等自动化代码无需修改即可自动处理 402 挑战。此前智能体遇到付费资源需人工干预,本集成让其按预设预算端到端完成交易。
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建 Discovery AI,将自然语言转换为 Sonar 查询。该方案使查询成本降低 90%、输入 token 减少 93%、延迟降低 75%,解决了早期原型高成本与高延迟问题。此前 Sonar 查询需手动构建复杂 JSON 对象,新系统通过多阶段流水线实现自动化。
Microsoft Research 推出 StudentSim 系统,利用去标识化公开数据训练个性化 AI 学生模拟器,以在真实测试前评估 AI 辅导效果。该系统通过 StudentSimEval 基准在数学、英语写作和棋类任务中表现优于现有基线,提供了有效的训练反馈信号。此举旨在解决人工学生研究成本高、周期长的问题,加速 AI 辅导系统的研发迭代。
NVIDIA 在 OCP 全球峰会宣布通过开放 MGX 架构贡献 Vera Rubin 机架与计算托盘设计,为下一代 AI 工厂基础设施提供通用基础。MGX 1.2 规范支持高达 250kW 的机架部署,并新增 Vera CPU 机架设计以支持 agentic AI 场景下的工具调用与编排。此举旨在通过开放标准加速 AI 基础设施的规模化部署,提升能效并优化 tokens-per-watt 性能。
AWS 于 2026 年 9 月更新 Amazon Bedrock、AgentCore 及 Strands,新增 OpenAI GPT-6 Astra 等模型支持及开源 Agent 工具。
Amazon Bedrock AgentCore payments 允许 AI 智能体通过 x402 协议按次支付模型推理费用,由基础设施层强制执行支出限制。Incarna 利用该服务将集成 x402 支付支持的时间从数月缩短至数天,并实现了端到端的按次付费流程。此前,智能体在循环中处理高频、低价值的推理购买时,缺乏无需人工审批且能防止超支的托管支付机制。
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 与 Claude Platform on AWS 上线,该模型为 Claude 5.5 系列最快且多数任务成本较 Haiku 4.5 低约75%。它支持 effort controls 与高分辨率图像,适合子代理与高吞吐编码等任务,可与近期发布的 Opus 5.5 组成规划与执行分工。
推荐理由:Claude Haiku 5.5 较 Haiku 4.5 成本降约75%且支持 effort controls,读者可参考其在 AWS 子代理场景的性价比优势。
NVIDIA 与 Microsoft 联合发布 RTX Spark 及 DGX Station for Windows,旨在将 AI 智能体深度集成至 Windows 生态。
Microsoft Research Asia 推出并开源 Agent Lightning v1.0,一个约3500行轻量级智能体 RL 框架,使真实 harness 直接参与训练。
推荐理由:Agent Lightning v1.0通过代理机制让真实agent harness直接用于强化学习,便于团队复用部署代码并降低训练成本。
Microsoft Research 研究员 Jennifer Neville 在播客中探讨 AI 系统评估如何推动性能边界,并分析模型在超越传统基准测试时出现的“意外失败”。她指出,当结果违背预期时,深入审视数据至关重要,并分享了与当前 AI 系统协作的实用指南。这一讨论旨在从人类或人工智能路径未如预期展开的经历中汲取教训,以预测 AI 未来的发展方向。
文章阐述了通过 SageMaker Unified Studio 管理 Amazon SageMaker HyperPod 集群的治理策略,涵盖组织、项目、集群和工作负载四层控制。该方案允许 ML 团队在项目工作区启动工作负载,同时由基础设施团队通过 IAM、EKS 或 Slurm 控制底层集群配置与容量分配,实现计算资源的安全共享。
Anthropic 的 Claude Opus 5.5 和 Claude Sonnet 5.5 现已在 AWS GovCloud (US) 的 Amazon Bedrock 上可用,支持 ITAR 等受监管工作负载。
微软与 Hugging Face 联合发布 ThinkingBox 与 ThinkingBox-Bench,已在 Hugging Face 上线并通过 OpenEnv 运行,按智能体留下的后端状态和副作用而非生成的回答评分,每个任务重复运行 20 次。
推荐理由:原文用 507 个有状态业务流程各跑 20 次,区分单次成功率与跨次一致性,并给出按可靠性计算的成本,可迁移到团队自建智能体评测。
利用 Amazon Bedrock AgentCore Gateway 可为 Claude Desktop 集成 Web Search,突破模型训练知识截止限制以获取实时信息。
AWS 提出名为 Adjudicated Query 的设计模式,用 Amazon Quick 对话层搭配确定性规则引擎,对 5 万份公寓租约做可证明完整的合规核查。
Amazon Quick 推出 Live Data in Apps 功能,允许 AI 构建的应用实时查询受治理的 Quick Sight 数据集。该功能支持 SPICE 和 Direct Query 模式,自动应用行级与列级安全规则,确保用户仅查看授权数据。此前应用仅展示构建时的静态快照,无法反映实时业务指标。
微软研究院实习生构建了一套端到端机器学习流水线,利用 L1 太阳风观测、AE 与 Dst 指数预报、地质电导率和电网数据,为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
Amazon Bedrock Knowledge Bases 利用 RAG 技术从 S3 存储的理赔文档中检索信息,通过 AgenticRetrieveStream API 回答自然语言问题并返回带引用的答案。该方案支持多轮对话及基于元数据的过滤,并集成上下文接地护栏以确保回答严格基于源文件。
Amazon Bedrock AgentCore Runtime Instances 支持在单个 EC2 实例上部署多智能体,实现长达 14 天的持久化会话与 GPU 访问。该方案通过共享文件系统协作,利用 NVIDIA L4 GPU 运行 ACE-Step 模型,约 9 秒即可渲染 20 秒 48 kHz 立体声音频。
Amazon Bedrock 在印度区域上线 Anthropic 的 Claude Opus 5、Claude Sonnet 5 和 Claude Haiku 4.5 模型,支持数据在印度境内处理。
Amazon Bedrock 现支持在首尔和新加坡区域对 Anthropic Claude Opus 5 和 Claude Sonnet 5 进行本地推理。请求在指定 AWS 区域内处理且数据不离开该区域,满足金融、医疗等行业的严格数据驻留要求。
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用,为编码、计算机使用和专业工作负载提供更强推理能力。OpenAI 表示该模型在 DeepSWE v1.1 上性能匹配 GPT-6 Astra,但单任务成本约为其五分之一,且比 GPT-6 Sol 最佳成绩高 6.4 个百分点。
推荐理由:GPT-6.1 Sol 在 Amazon Bedrock 正式可用,以约五分之一成本实现接近 GPT-6 Astra 的推理能力,降低智能体工作流成本。
微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由跨序列、结构、功能、细胞状态和成像等多模态数据联合训练的生物学世界模型,以及连接模型、科学工具、文献和实验人员的交互式 harness 组成。
推荐理由:微软研究院公开 Quine 的生物学世界模型与实验闭环设计,并给出胰腺癌化合物筛选的湿实验验证结果。
微软亚洲研究院新加坡(MSRA – Singapore)作为微软在东南亚的首个研究实验室,成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向展开工作。实验室与新加坡医疗生态合作探索多模态医疗 AI 和自进化诊断智能体,并联合 EDB 于 2026 年 2 月举办物流与运输 AI 高管圆桌会。