让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
OpenAI 针对 Realtime API 正式版与 gpt-realtime 模型发布开发者指南，详细说明了架构变动与关键新增功能。正式版移除了 temperature 调节参数，将单次会话上限延长至 60 分钟，并新增防止 Prompt 缓存失效的上下文批量截断机制、空闲超时提醒以及异步函数调用占位等能力。
推荐理由：文章详细梳理了语音 API 从测试版过渡到正式版的技术细节差异，有助于开发者优化长会话缓存与服务端工具调用的集成架构。
Anthropic 工程团队发布了一套为 AI 智能体设计高效工具的实践指南，倡导通过原型构建、基准评测以及与 Claude Code 等智能体协同迭代来持续优化工具。
推荐理由：文章给出了基于评测循环与智能体协同迭代工具的具体工程方法，可直接用于改进 MCP 工具设计和上下文利用率。
Hugging Face 开源了 Jupyter Agent 系列成果，通过精简脚手架与高质量代码执行轨迹微调，让小模型能够在 Jupyter Notebook 环境中自主推理与执行数据科学任务。
推荐理由：展示了如何通过极简脚手架与真实代码执行轨迹合成训练数据，帮助轻量模型提升复杂数据分析任务的执行表现。
Hugging Face 发布科研检索 MCP 工具与接入指南，支持 AI 智能体通过自然语言跨 arXiv、GitHub 与 Hugging Face 关联检索论文、代码与模型资产。
推荐理由：原文梳理了从手动检索到脚本再到协议调用的演进，读者可借此将文献与代码跨平台检索接入智能体工作流。
NVIDIA 的 AI-Q 深度研究智能体在 DeepResearch Bench 的搜索增强大语言模型榜单中取得 40.52 的总分，位列完全开源架构榜首。
推荐理由：文章呈现了开源大模型结合检索架构在深度研究基准上的实测表现，为构建本地可部署的智能体工作流提供了参数选型与评测参考。
Hugging Face 介绍了通过 Gradio 的 MCP 集成在 Python 中快速搭建 MCP 服务器的方法，只需在 launch() 中设置 mcp_server=True 即可将应用端点自动转换为 LLM 工具。
推荐理由：展示了如何用 Gradio 将 Python 函数与 Hugging Face 空间封装为 MCP 服务，适合需要为 Agent 接入多模态工具的开发者参考。
OpenAI 推出 ChatGPT agent，具备思考与行动能力。该智能体能够在用户指导下使用各类工具，完成研究调研、预订机票酒店以及制作幻灯片等实际任务。
OpenAI 发布 ChatGPT agent 系统卡片，详细介绍了其整合研究、浏览器自动化与代码工具的智能体模型。该模型在 OpenAI 的预备框架（Preparedness Framework）指导下部署了相应的安全保障措施。
推荐理由：系统卡片展示了该智能体整合研究、浏览器自动化与代码工具的方式，读者可借此了解其在预备框架下的安全规范。
Gradio 在 5.38.0 版本中为 MCP 服务器功能推出五项核心更新，全面提升 AI 智能体与工具调用的交互体验。新版本引入了文件上传辅助服务以支持本地文件直接传入，支持流式传输实时进度通知，并提供 gr.load_openapi 实现一行代码将 OpenAPI 规范转为 MCP 服务器。此外，更新还新增了通过 gr.Header 自动提取请求头鉴权信息的能力，并允许开发者自定义工具描述。
推荐理由：更新简化了开发者将现有 API 和本地文件接入 MCP 生态的工程流程，有助于降低智能体工具调用的构建成本。
Hugging Face 发布开源 Python 库 ScreenEnv，允许开发者在 Docker 容器中快速构建隔离的 Ubuntu 桌面沙箱，用于测试与部署 GUI 智能体。
推荐理由：该工具通过 Docker 容器提供标准化桌面沙箱并支持 MCP，解决了以往 GUI 智能体测试环境搭建繁琐且难以复现的问题。
Anthropic 推出基于 .mcpb 格式的 Claude Desktop 桌面扩展，将本地 MCP 服务器及其所有依赖打包为单一文件，用户无需终端或手动修改配置即可一键安装。Claude Desktop 内置了 Node.js 运行时并支持系统密钥链存储敏感配置，同时应用内上线了精选扩展目录。Anthropic 已将 MCPB 规范、打包验证工具链和参考实现开源，并为企业提供策略管控支持。
推荐理由：它将繁琐的终端命令和运行环境打包为单一安装包，大幅降低了本地工具的部署与分发门槛。
Anthropic 详细拆解了 Claude Research 功能背后的多智能体架构设计与工程实践，系统通过主研究智能体统筹拆解任务并并行调度多个子智能体完成检索。
推荐理由：团队拆解了主从智能体协同的提示词设计与评测框架，为解决复杂长流程任务中的状态维护与并行检索提供了工程参考。
Hugging Face 发布 GUI 智能体评测套件 ScreenSuite，旨在提供更易用、全面的视觉语言模型（VLM）智能体能力评测工具。该套件整合统一了 13 个主流基准，覆盖感知定位、单步动作及多步任务三大类，并支持 E2B 远程沙盒以及基于 Docker 本地部署 Ubuntu 桌面和 Android 虚拟环境。
推荐理由：该基准统一了 13 个 GUI 测试集并坚持纯视觉输入，为评估多模态模型操作桌面和手机的能力提供了可复现的统一测试标准。
H Company 开源图形界面自动化视觉语言模型族 Holo1 及 WebClick 多模态定位基准，用于驱动浏览器智能体 Surfer-H。Holo1 基于 Qwen2.5-VL 架构并提供 3B 与 7B 版本，其中 Holo1-7B 在常用 UI 定位基准中取得 76.2% 平均准确率。
推荐理由：该模型族基于开源架构专攻网页界面定位，读者可以据此低成本搭建直接操作浏览器的端到端智能体。
Hugging Face 发布研究显示，强制 CodeAgent 以结构化 JSON 格式同时输出思考过程与 Python 代码，可使主流高能力模型在 SmolBench 等基准测试上的表现平均提升 2 至 7 个百分点。
推荐理由：分析了代码智能体引入结构化输出对解析可靠性与规划质量的提升，并指出了参数量较小模型面对结构税时的性能损耗。
Hugging Face 为 huggingface_hub 客户端 SDK 扩展了 MCP Client 支持，并推出约 70 行代码的 Python 版 Tiny Agents。
推荐理由：文章详细拆解了如何用精简代码通过 MCP 接入外部工具，为开发者提供了极低门槛的智能体实现范式。
OpenAI 宣布将智能体产品 Operator 原有的 GPT-4o 底层模型替换为基于 OpenAI o3 的版本。此外，Operator 的 API 版本仍将继续基于 GPT-4o 运行。
推荐理由：原文明确了 Operator 智能体底座切换为推理模型 o3 且 API 维持原状的调整，可作为跟踪其落地形态的参考。
OpenAI 发布 o3 与 o4-mini 系统卡补充说明，披露了基于云端的编码智能体 Codex 及其底层模型 codex-1。codex-1 是针对软件工程优化的 o3 版本，通过强化学习在多种环境的真实编程任务中训练，能够贴合人类代码风格与 PR 偏好，并迭代运行测试直至通过。
推荐理由：该补充文件披露了编码智能体 Codex 及其底层模型的训练细节，有助于了解大模型针对软件工程进行强化学习的具体路径。
Qwen-3 采用了相比前代更加复杂的 Jinja 对话模板，展示了针对推理与智能体工作流的多项底层设计演进。模板通过 enable_thinking 参数实现链式推理的自由开关，并引入滚动检查点机制在多步工具调用中按需保留或裁剪思考标记。此外，Qwen-3 改进了工具参数的 JSON 序列化检查并去除了默认系统提示词。
推荐理由：原文通过拆解对话模板的工程实现，展示了推理模型在工具调用与思考上下文管理上的演进思路。
Hugging Face 开源了 `@huggingface/mcp-client` 包并撰文展示如何基于模型上下文协议（MCP）用 50 行 TypeScript 代码构建轻量 AI 智能体 Tiny Agents。
推荐理由：文章拆解了如何将 MCP 客户端与大模型工具调用结合，通过简短的循环逻辑实现智能体控制流，适合开发者搭建轻量级智能体架构。