MoEngage 利用 Amazon Bedrock AgentCore Gateway 将 400 个内部 REST API 转换为智能体工具，无需每个团队部署 MCP 服务器。
推荐理由原文展示了 AgentCore Gateway 如何将 400 个私有 API 映射为权限范围的智能体工具，解决了 MCP 服务器运维、跨域授权和上下文窗口膨胀三大难题，并提供了从 OpenAPI 到工具的自动化映射、基于 Cedar 的服务端策略过滤以及 VPC Lattice 管理的私有连接三个关键技术细节，读者可直接学习其架构模式和实施要点。
Project ProtoStar 是一个汇聚高校、研究机构、产业界和开源社区的计划，旨在通过开放挑战让公共科研资源更易被发现、重用和构建。该项目发布首个挑战：气候风险智能体，由卡内基梅隆大学主办，时间为11月2日至13日。
推荐理由项目汇聚高校、机构、企业和开源社区，通过开放挑战展示AI重用公共科研资源的可行性，首个挑战聚焦气候风险预测，提供数据集与政策提案两类评估维度。
Deepseek 发布开源推理引擎 DeepInfer，该框架基于 vLLM 优化并支持分布式处理，旨在降低模型运行成本。官方称目标是帮助社区降低算力成本和能耗。该引擎的开源同时也给 Western AI 提供商带来了 pricing pressure。
推荐理由Deepseek 开源了 DeepInfer 推理引擎，直接影响 V4.1-Flash 模型的性能和成本，读者可据此评估其对自建模型和 Western 竞争者的影响。
AWS 博客发布文章介绍 Smartsheet MCP Server 的一般可用性，文章详细阐述了该协议如何让 AI 代理通过标准化协议读写 Smartsheet 数据。
推荐理由原文提供了 Smartsheet MCP Server 的部署方式、Amazon Quick 和 Kiro 的集成路径，读者可以据此搭建 AI 代理访问 Smartsheet 数据的具体方案。
AWS Agent Registry 发布后，编排器可通过语义搜索在运行时发现并使用 MCP 服务器和 A2A 智能体，无需重新部署代码。文章给出了三个演示场景：订单状态查询（MCP 单一调用），定价与折扣（MCP + A2A 链），以及退款资格判断（语义匹配，查询中未明确提及退款相关词汇）。
推荐理由原文展示了 AWS Agent Registry 如何让编排器在运行时通过语义搜索发现并使用 MCP 服务器和 A2A 智能体，无需重新部署代码，并给出了三个具体的演示场景。
Hugging Face 发布 AnyLanguageModel 1.0，提供统一的 Foundation Models API，支持在 Apple 平台上使用本地模型（via llama.cpp。
推荐理由AnyLanguageModel 1.0 发布一年更新，提供跨平台统一 API，支持本地和 hosted 模型，并同步发布 swift-huggingface 1.0 和 swift-xet 1.0，帮助开发者在 Apple 平台上统一使用开源和商业模型。
GitHub 发布基于 ModernBERT 的秘密检测新模型，相比上一 LLM 管道实现 11.5% 更高的用户接受率、86% 更快的中位数后推执行时间以及 98% 更低的服务成本，并给出了开放入口和主要能力变化。
推荐理由原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
NVIDIA RTX Spark 发布，将游戏 PC、创意工作室和个人 AI 超级计算机合二为一。10 月 16 日起可购买，新增智能体功能包括 GitHub Copilot、Hermes 等更新，Nemotron 3.5 Bolt 74B 等模型发布。
推荐理由RTX Spark 发布了新的智能体功能、模型和工具，给出了开放入口和主要能力变化，读者可以据此判断它会怎样改变现有工作流。
Microsoft Research Asia 发布 Agent Lightning v1.0，这是一个约 3,500 行代码的轻量化 Agentic RL 框架。
推荐理由Agent Lightning v1.0 发布轻量化的 Agentic RL 框架，展示了通过真实 harness 训练的方法和 Kubernetes 原生部署，读者可了解该框架如何解决传统 RL 重实现成本高、行为偏差大的问题。
Google发布研报《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》，基于语境完整性理论扩展智能体行为的语境安全。
推荐理由本文提供了首个系统性的框架，将语境完整性理论扩展到智能体行为的安全与隐私，读者可以据此理解当前智能体系统的核心挑战与治理路径。
Google Research 发布 Diffusion Controller 框架，将扩散模型的生成过程重构为连续控制问题。该框架通过轻量级的转向阻尼网络，在不修改核心模型权重的情况下实现精细的图像控制。
推荐理由原文提出了Diffusion Controller框架，通过重构扩散过程为连续控制问题，提供了轻量级的转向阻尼网络，在灰盒和白盒环境下均显著优于LoRA等基线，展示了统一的数学控制范式。