AI 智能体的下一道门槛：让网站放它们进来
TechCrunch 报道，Meta 的 Muse 等个人 AI 智能体在代用户下单、订票时频繁被网站拦截，亚马逊已明确阻止 Muse 浏览和购买其商品，沃尔玛、达美航空、Yelp、eBay 等也出现类似情况，其中部分源于传统反机器人验证机制。Meta、沃尔玛、Stripe、Sierra 等公司已开始合作制定一套面向电商场景的智能体间通信开放标准，以区分代表用户的良性机器人与恶意机器人。
#MCP/工具调用
TechCrunch · AIAI 评分7171 The Verge · AIAI 评分3232 Meta 的 AI 智能体 Muse 登陆 iPad
Meta 的 AI 智能体 Muse 通过最新 iOS 更新加入对 iPad 的原生支持，可更好利用大屏与 iPadOS 多任务能力。此次更新还让 Muse 接入 Canva、Dropbox、Figma、GitHub、Zoom、Notion 等工具，并支持为小企业主设定业务目标以自主规划营销与客户提案。Muse 约一个月前上线，曾数周位居 App Store 免费榜首位，此前已推出 Mac 版本。
Latent SpaceAI 评分6262 Kubernetes 创始人谈云端 harness 能否让智能体走出桌面
Latent Space 采访 Kubernetes 联合创始人 Craig McLuckie 和 Joe Beda，他们创办的 Stacklok 正把智能体 harness 从桌面搬到云端。
Ars Technica · AIAI 评分6262 Google 等机构的智能体被曝 MCP 漏洞，暴露智能体间通信的结构性风险
独立研究者 Syed Anas Mohiuddin 测试了 Google、摩根大通、Weaviate、Rapid7、法国政府部际数字事务局和美国联邦政府的智能体，发现 MCP（Model Context Protocol）存在信任缺口，可被利用实施概念验证攻击。
Hugging Face Blog精选AI 评分6666 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再按终端后端状态和副作用打分，而非看模型生成的文字。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定成败，并给出可复现的 OpenEnv 运行方式。
Latent SpaceAI 评分6262 Pi 1.0 与 Pi Durable 发布：支持 MCP、崩溃恢复与多用户状态同步
Earendil 旗下的 Pi 发布 Pi 1.0 与 Pi Durable，两者登上 Hacker News 首页。Pi 1.0 带来 Codemode（原生支持 MCP、Jev 和图像模型）、虚拟模型扩展、延迟工具加载、Anthropic 模型缓存预热、对话中途系统消息、新 TUI 主题以及默认全屏模式。
Hugging Face BlogAI 评分3434 ProvenanceGuard：面向 MCP 智能体的来源感知事实核查
Hugging Face 博客介绍论文 ProvenanceGuard，一个面向 MCP 智能体的生成后验证层，可在不重训智能体的前提下读取 MCP 调用轨迹，逐条核查答案中的声明是否由其所声称的来源支持，以识别"跨来源混淆"。
GitHub Blog · AI & MLAI 评分3636 GitHub Copilot 新手教程：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种可与 AI 智能体共享的双向自定义界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述工作流，即可生成看板、发布清单或仪表盘等界面，无需编写代码。canvas 会保存为扩展，可随项目共享或作为个人扩展复用，社区已在 Awesome Copilot 分享现成模板。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Security Lab 发布 Fuzzing Taskflow 智能体流水线
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。
推荐理由：GitHub Security Lab 把模糊测试的 harness 编写、覆盖率追踪与崩溃分诊交给 LLM 智能体，读者可据此判断自动化安全测试的边界。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热梗：该不该读 AI 代码、RAG 已死、Skills 是否杀死 MCP
GitHub Podcast 最新一期拆解了五个 AI 开发热梗：AI 生成的代码仍需阅读和负责，但审查力度应随风险分级；Skills 与 MCP 解决不同问题，前者是打包的 Markdown 专家经验，后者是连接工具与数据的标准协议，二者可组合使用；RAG 并未消亡，检索能为模型提供训练数据外的文档、内部知识和代码库上下文，减少 token 浪费并让回答更有依据。