分类

文章

在 AWS 上构建远程 MCP Server：从安全边界到弹性扩缩容

来源: aws.amazon.com 44
Smartsheet 构建远程 MCP Server 的案例，重点不只是“让模型调用几个工具”，而是如何把 MCP 服务纳入成熟的云基础设施：身份认证、权限治理、弹性扩缩、持续部署，以及面向 AI 工作负载的专门优化。远程 MCP 一旦连接企业数据和写操作，就应当按生产 API，而不是按实验性提示词组件来设计。 一个典型的 AWS 部署可以把流量链路拆...
# AI # AWS # Go
阅读全文

在 AWS 上部署 EDC：从成本基线到容量优化的实践方法

来源: aws.amazon.com 35
在 AWS 上部署 Eclipse Dataspace Components（EDC）连接器时，困难往往不是让服务成功启动，而是回答三个持续影响预算的问题：需要多大的基础设施、不同环境应该如何配置，以及业务增长后成本会怎样变化。缺少可复用的基准数据时，团队很容易按生产峰值配置所有环境，或者只关注计算实例价格，忽略网络、存储、日志和数据库等费用。 成本优...
# AWS # 云平台 # 架构设计
阅读全文

在 AWS 上生产化部署 EDC：隔离、托管服务与分层安全

来源: aws.amazon.com 33
把 Eclipse Dataspace Components（EDC）连接器部署到 AWS，真正困难的部分通常不是启动容器，而是划清信任边界：哪些接口可以暴露、控制流与数据流如何隔离、状态保存在哪里，以及某一层防护失效后还有什么机制可以阻止横向移动。面向生产环境，架构应围绕隔离、托管服务和分层安全做明确取舍。 EDC 连接器通常同时承载协商、策略执行、...
# AWS # 云平台 # 可观测性
阅读全文

在 AWS 上理解 Eclipse Dataspace Components：从数据空间协议到控制面与数据面

来源: aws.amazon.com 39
企业之间共享数据，难点通常不在“把文件传过去”，而在于谁能发现数据、依据什么条款使用、如何建立信任，以及传输后怎样保留审计记录。Eclipse Dataspace Components（EDC）试图解决的正是这组跨组织问题：参与方保留各自的数据控制权，通过标准协议协商合同，再按约定完成数据传输。 这套系列内容分三部分，从 IDSA、Dataspace ...
# AI # AWS # 云原生
阅读全文

从原型到治理：用 Gemini Enterprise Agent Platform 构建企业级智能体

来源: cloud.google.com 35
Gemini Enterprise Agent Platform 展示的 13 个动手演示，不只是 13 个彼此独立的样例，而是一条完整的工程路径：用 ADK 编写智能体，通过 MCP 和 A2A 接入工具与其他智能体，部署到托管运行时，再补齐持久状态、安全治理、可观测性和持续评估。 真正值得关注的变化，是智能体开发开始从“写一个能回答问题的提示词”转...
# AI # GCP # Go
阅读全文

用 IAM 数据治理标签升级 BigQuery 列级安全

来源: cloud.google.com 26
BigQuery 的策略标签长期承担着敏感列保护任务，例如限制用户读取邮箱、证件号和银行卡号。随着数据跨项目、跨区域扩张，区域级分类体系开始面临重复维护、灾备同步和集中治理等问题。处于预览阶段的 IAM 数据治理标签建立在 Resource Manager 标签体系之上，把全局数据分类与区域安全策略拆开管理，为 BigQuery 列级安全提供了新的实现...
# AI # GCP # Go
阅读全文

Google Cloud 近期更新解读：AI Agent 正从原型走向可治理的生产系统

来源: cloud.google.com 44
Google Cloud 近期发布的信息覆盖 Cloud Run、Apigee、MCP、TPU、GKE、Firestore 和成本管理，但主线相当清晰：企业关注点已经从“模型能否完成任务”转向“Agent 能否被隔离、观测、治理并稳定扩缩容”。这意味着 AI 应用不再只是一个调用模型的 Web 服务，而是一套包含提示词构建、工具授权、代码沙箱、流量治理...
# AI # AWS # Azure
阅读全文

用 NVIDIA NeMo AutoModel 与 Diffusers 扩展图像和视频模型微调

来源: huggingface.co 38
图像与视频生成模型的微调，难点通常不在“让训练脚本跑起来”，而在于把单卡实验稳定扩展到多 GPU、多节点环境。围绕 NVIDIA NeMo AutoModel 与 Hugging Face Diffusers 的组合，可以把问题拆成两层：Diffusers 负责扩散模型、调度器和推理管线等模型语义，NeMo AutoModel 面向规模化训练所需的模型...
# AI # Hugging Face # LLM
阅读全文

自由线程 Python 的演进，以及 uv 进入生产环境前要验证什么

来源: realpython.com 24
Python 移除全局解释器锁（GIL）的尝试并不是突然出现的。过去二十多年里，社区提出过多种方案，从细粒度锁、替代解释器实验，到 Gilectomy 和后来的 nogil 分支。如今，自由线程构建把这项工作带进了主流 CPython，但“可以关闭 GIL”仍不等于“现有服务无需修改就能获得线性加速”。与此同时，uv 正从快速的依赖安装工具进入真实生产...
# Python # 后端
阅读全文

可信智能体 AI 不必重造基础设施：云原生正在成为它的运行底座

来源: infoq.com 42
智能体 AI 带来的变化不只是模型更强，而是软件开始自主调用 API、操作数据并持续执行多步任务。CNCF 发布的技术分析提出了一个务实判断：支撑这类系统的关键能力，不必从零发明；现代分布式应用已经使用的云原生生态，可以继续承担调度、隔离、可观测性、安全策略和故障恢复等职责。 一个生产级智能体通常包含模型推理、工具调用、状态存储、任务队列和外部服务访问...
# AI # InfoQ # LLM
阅读全文