Model Context Protocol (MCP)

2026-09-18

CODING · 1 ИСТОЧН. · GitHub AI & ML

Подкаст GitHub: MCP, skills, агенты и RAG в рабочих процессах разработчиков

В последнем эпизоде подкаста GitHub ведущие отмечают, что разработчики по-прежнему несут ответственность за сгенерированный код и должны применять разную степень проверки в зависимости от риска. Они называют Model Context Protocol (MCP) стандартом для доступа к инструментам и данным, описывают «skills» как читаемую упакованную экспертизу и утверждают, что RAG (retrieval-augmented generation) остается полезным вместе с агентами и skills, а не устарел.

4.0

2026-09-18

CODING · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

DoorDash использует мульти‑агентные LLM для автоматической очистки 60 000 feature‑флагов

DoorDash создала рабочий процесс с мульти‑агентными LLM (на базе Google Agent Development Kit и моделей Claude) для поиска и удаления устаревших feature‑флагов в ~623 репозиториях и около 60 000 флагов. В тесте из 50 флагов система сгенерировала полезные pull‑request для 45 флагов (в среднем 13,8 минуты и $4,79 на очистку), запуская агентов в изолированных git‑worktree, проверяя сборку/тесты/покрытие и интегрируясь с Jira и MCP.

7.0

2026-09-18

COMPANIES · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

WSO2 выпустила Agent Manager (GA) для управления агентами ИИ в разных фреймворках

WSO2 объявила о выходе в общем доступе open-source платформы WSO2 Agent Manager для централизованного управления идентичностью, политиками безопасности и эксплуатацией агентов ИИ в разных моделях, фреймворках и средах развёртывания. Релиз GA добавляет расширенные возможности идентификации агентов, управление взаимодействиями по Model Context Protocol (MCP), песочницу на Kubernetes, трассировку через OpenTelemetry, контроль жизненного цикла (включая приостановку) и более 40 встроенных политик, например маскирование ПДн и ограничение скорости.

7.0

2026-09-18

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Closed-World Resolution и бенчмарк Hallucinated-Tools (HTB) для галлюцинаций инструментов LLM

Новая статья на arXiv (arXiv:2609.19425v1) измеряет и ставит в бенчмарк проблему «галлюцинаций инструментов» в агентных LLM, предлагает пятиклассовую таксономию (H1–H5) и тренировочно-независимый закрыто-мировой резолвер Resolution Rung (проверка реестра и сигнатуры). Исследование фиксирует 322 галлюцинации на десяти моделях и двух поверхностях вызова, показывает концентрацию вызовов вымышленных инструментов на необезопаснённой raw-JSON-поверхности, констатирует, что масштаб модели не решает проблему, выявляет дополнительные риски коллизий/затенения при объединении пространств имён в Model Context Protocol (M1–M5) с 154 галлюцинациями и публикует версионный бенчмарк HTB.

7.0

2026-09-17

OTHER · 2 ИСТОЧН. · Google · TechCrunch AI

Система ООН запускает открытый AI‑готовый «Data Commons» на базе Data Commons от Google

Система ООН запустила UN System Data Commons — открытый AI‑готовый граф знаний на базе Data Commons от Google, который объединяет статистические данные ООН в единую поисковую платформу с поддержкой запросов на естественном языке и AI‑ассистента. Проект при поддержке Google.org и Фонда ООН планирует включить 80% статистических наборов данных системы ООН к 2027 году и использует стандарты вроде Model Context Protocol для доступа агентам ИИ к авторитетным данным.

7.0

2026-09-17

CODING · 1 ИСТОЧН. · AWS Machine Learning

Amazon Quick описывает многослойную авторизацию для вызовов инструментов MCP

В блоге Amazon опубликован пошаговый пример реализации многоуровневой авторизации для вызовов инструментов Model Context Protocol (MCP) в Amazon Quick. Описан Lambda «перехватчик» за шлюзом Amazon Bedrock AgentCore, который по очереди проверяет утверждения OIDC JWT через четыре уровня (MFA, географические ограничения, сопоставление групп и ролей, проверки прав на уровне инструментов) и показывает настройку Microsoft Entra ID, переменных окружения и AWS-компонентов для реализации ролевых и атрибутивных ограничений и проверок параметров.

5.0

2026-09-17

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

TuiML: библиотека машинного обучения для агентов на основе языковых моделей (arXiv:2609.17984v1)

В статье на arXiv представлен TuiML — открытая библиотека машинного обучения, созданная для работы AI‑агентов, а не только для людей. TuiML включает машинночитаемую метаданную и схемы параметров, валидацию/инициализацию/трейсинг вызовов, протокол Model Context (MCP), адаптеры для фреймворков агентов, Python API, CLI, локальный сервис моделей, экспорт воспроизводимых сессий (запускаемых ноутбуков) и в бенчмарках показывает сопоставимую предсказательную точность с scikit‑learn и Weka; документация — tuiml.ai.

7.0

2026-09-16

COMPANIES · 2 ИСТОЧН. · The Verge AI · TechCrunch AI

Google открывает Google Home для сторонних ИИ‑агентов через протокол Model Context Protocol (MCP)

Google Home теперь поддерживает интеграцию Home MCP через протокол Model Context Protocol, которая позволяет сторонним ИИ‑агентам (например, Claude, OpenClaw, Hermes, Google Antigravity) получать доступ к состоянию устройств и истории событий, управлять поддерживаемыми устройствами (с ограничениями по безопасности), создавать кастомные панели и взаимодействовать голосом. Функция сначала доступна пользователям Google Home Premium Advanced в США и требует создания проекта в Google Cloud; Google отмечает, что агенты могут вызвать неожиданное поведение, несмотря на ограничения и защиту (например, агенты не могут открывать двери).

8.0

2026-09-16

RESEARCH · 1 ИСТОЧН. · Cohere

Cohere Labs публикует набор данных Agentic Task Ecosystem (ATE) — ≈696 тыс. инструментов MCP

Cohere Labs собрал семь публичных каталогов AI-инструментов в Agentic Task Ecosystem (ATE) — корпус примерно из 696 000 опубликованных инструментов на 123 000 MCP‑серверов. По строгому тесту на способность фактически выполнять профессиональную задачу лишь 2,6% инструментов проходят — 419 из 923 профессий США не имеют агентных инструментов; доминируют три шаблона: более детальное представление существующей работы, инфраструктура для агентов и небольшое число новых задач (в основном управление агентами), причём распределение инструментов коррелирует с экспертной оценкой технической осуществимости.

8.0

2026-09-16

RESEARCH · 1 ИСТОЧН. · Anthropic

Anthropic запускает исследовательский предварительный показ стандарта Model Hardware Standard (MHS) для управления оборудованием лабораторий и фабрик ИИ

Anthropic совместно с HHMI Janelia Research Campus открыл исследовательский предварительный показ стандарта Model Hardware Standard (MHS) — единой спецификации, которая стандартизирует драйверы, обнаружение устройств и примитивы управления, чтобы агентам ИИ было проще управлять множеством лабораторных и промышленных приборов (микроскопы, дозаторы, роботизированные руки и т.д.). Предварительная версия распространена среди избранных научных лабораторий и производителей; MHS не завязан на конкретной модели, совместим с протоколами вроде Model Context Protocol (MCP), сокращает время интеграции и служит платформой для оценки безопасности перед более широким открытым выпуском.

8.0

2026-09-15

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

AutoTailor: автоматический, ориентированный на пользователя отбор и адаптация возможностей веб-агентов

AutoTailor — метаагентная структура, которая переводит траектории взаимодействия с вебом в параметризованные API для автоматизации браузера, применяет офлайн-фильтры качества и вероятности использования для удаления избыточных или малоценных API и использует онлайн-Dynamic Reselection для добавления недостающих возможностей и удаления постоянно неиспользуемых. На 106 задачах WebArena Postmill офлайн-фильтрация сократила 1 283 начальных API до 87, а Dynamic Reselection дал набор из 33 API; с откатом на ReAct этот набор показал точность 90,6% (против 87,5% у одного ReAct), снизив затраты на токены запросов на 57,8% и задержку на 29,4%, а без ReAct достижение точности составило 60,1% при сокращении использования токенов запросов на 94,9%.

7.0