标签

LLM

用 MCP Bridge 连接云端 AgentCore Agent 与本地工具

来源: aws.amazon.com 48
运行在 Amazon Bedrock AgentCore 中的 AI agent 拥有云端的计算能力，但用户真正需要它操作的工具和文件，往往仍然在自己的笔记本电脑上。MCP bridge 解决的正是这个边界问题：让云端 agent 通过浏览器扩展和 Chrome Native Messaging，调用本地 MCP server，同时不要求用户开放端口或...
# AI # AWS # LLM
阅读全文

用 Amazon Bedrock AgentCore Harness 在 n8n 中运行生产级 AI Agent

来源: aws.amazon.com 39
Amazon Bedrock AgentCore harness 已正式发布，n8n 也可以通过新的开源社区节点把它加入工作流。这样，Agent 不再只是一次性的模型调用，而可以拥有持久记忆、真实工具、代码执行能力以及 VPC 隔离环境，同时仍然通过 n8n 编辑器完成编排。 这类组合适合需要接入业务系统的自动化场景：例如读取工单、查询内部知识、调用订...
# AI # AWS # LLM
阅读全文

用分片 Hub-and-Spoke 架构隔离多租户平台中的“吵闹邻居”

来源: cloud.google.com 50
在多租户 SaaS、企业内部数据平台和混合负载处理系统中，基础设施共享可以降低成本，却也会引入一个危险的连锁反应：某个租户突然产生大量数据，或者它的数据库实例出现故障，最终拖慢整个平台，造成队列积压和全局 SLA 违约。 分片式 Hub-and-Spoke 架构的核心价值，是把“所有租户共用一条处理链路”改造成“统一路由、分区缓冲、隔离执行”。这样，一...
# AI # GCP # Go
阅读全文

从按需扩容到共享 GPU 池：UiPath 如何支撑企业级 Agentic AI

来源: cloud.google.com 53
当自动化系统从执行固定步骤，升级为能够理解文档、识别界面、调用模型并自主决策的 Agentic AI，基础设施面对的已经不只是“多部署几张 GPU”。训练任务需要大量高性能算力，在线推理要求稳定低延迟，全球化服务还要兼顾区域容量与成本。 UiPath 为智能文档处理和自主智能体重新设计了 GPU 平台：不再为每个产品维护独立集群，而是通过机器学习服务平...
# AI # GCP # Go
阅读全文

为任务型 Agent 建立可持续验证的访问模型

来源: blog.cloudflare.com 50
当 Agent 不再只是回答问题，而是代表用户读取数据、调用 API、修改资源时，传统的“登录一次、授权一段时间”就不够用了。The Agent Access Model 提出了一种面向任务范围的安全架构：由严格的身份代理负责确认“谁在执行”，由持续中介负责确认“此刻是否允许”，再通过有状态的信任记录判断“这个任务是否仍然值得信任”。 这套思路的重点不...
# AI # Cloudflare # LLM
阅读全文

Cloudflare OS：让智能体、应用与组织工作流共用一套开放平台

来源: blog.cloudflare.com 51
Cloudflare OS 试图解决一个现实问题：企业里真正有价值的应用和自动化，往往依赖组织内部积累的知识、流程与系统权限。平台的核心方向，是让公司中的每个人都能构建应用、自动化工作，并在安全边界内访问内部系统。 这并不只是增加一个聊天机器人入口。更重要的是，把“组织知道什么”“工作如何运转”以及“哪些系统可以被访问”组合成可持续维护的平台能力。 传...
# AI # Cloudflare # LLM
阅读全文

WriteGuard：为 MCP Server 的写操作增加细粒度控制

来源: blog.cloudflare.com 40
当 MCP Server 从“只读查询”走向“可以修改生产数据、配置和权限”时，风险不再只是模型是否理解了用户意图。真正困难的是：企业不能假设每位员工都能正确配置每个 Agent，也不能要求有人盯住每一次工具调用。Cloudflare 在扩大内部 MCP Server 的写访问权限之前，构建了 WriteGuard，为写操作提供更细粒度的控制，并计划通...
# AI # Cloudflare # LLM
阅读全文

用身份感知分析识别 AI 流量中的异常行为

来源: blog.cloudflare.com 50
AI Gateway 正在从“转发请求”的基础设施，变成能够理解请求主体和行为变化的安全控制面。Identity-aware AI Gateway 进入公开测试后，网关可以把 AI 流量与用户、代理身份关联起来；User Insights 则进一步为每个人和每个 agent 建立行为基线，并在异常行为出现时发出风险信号。 这件事的关键不只是记录谁调用了...
# AI # Cloudflare # LLM
阅读全文

Filestore 搭载 Colossus：为 GKE 与 AI Agent 集群重新定义共享存储

来源: cloud.google.com 48
企业存储正在从“预先买足容量”转向按工作负载动态匹配性能与规模。Google Cloud Filestore 近期将云原生后端存储层直接构建在 Colossus 之上，并通过 GKE 深度集成、独立 IOPS 配置和 multishares for GKE，为容器化应用、海量数据集以及 AI Agent 协作工作空间提供了新的共享存储基础。 Files...
# AI # GCP # Go
阅读全文

从“少写 94% 代码”到 54%：Ponytail 如何纠正自己的 Agent 基准测试

来源: infoq.com 40
Ponytail 是一个由单个作者维护的仓库，里面没有传统意义上的业务代码，主要是给编码 Agent 使用的指令文件。它在九天内获得超过 44,000 个 GitHub stars，原因很直接：它试图让编码 Agent 停止过度构建，只完成真正需要的工作。 项目曾宣称可以减少 80% 到 94% 的代码量。但贡献者指出，这个数字来自有问题的基线。维护者...
# AI # InfoQ # LLM
阅读全文