Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #437

Model Context Protocol (MCP)

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

45

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

MoEngage использовала AgentCore Gateway от Amazon Bedrock, чтобы превратить 400 приватных API в инструменты для агентов

MoEngage преобразовала около 400 внутренних REST API в частных VPC в инструменты для агентов с помощью AgentCore Gateway (компонент Amazon Bedrock AgentCore). Решение централизовало поддержку MCP в команде AI Platform, не потребовало публичных эндпойнтов, внедряет идентичность на стороне сервера и, по оценке, сэкономило около шести месяцев работы платформенной инженерии, сократив время интеграции API с дней до часов.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Amazon опубликовала шаблон корпоративной платформы агентного ИИ на Bedrock AgentCore

Amazon опубликовала референсную архитектуру и сопроводительный «Enterprise Agentic AI Platform Blueprint» на базе Amazon Bedrock AgentCore с многоаккаунтной моделью, управляемыми границами для отдельных рабочих команд, отдельными шлюзами для инференса и инструментов, механизмами идентификации и учёта затрат, а также конвейером оценки; шаблон доступен как инфраструктура‑код.

7.0

COMPANIES · 2 ИСТОЧН. · Google · TechCrunch AI

Google запускает предварительный просмотр платформы Connected Apps для Gemini и Google Поиска

Google представила предварительный просмотр платформы Connected Apps, которая позволяет разработчикам создавать, регистрировать, тестировать и управлять приложениями для интеграции с приложением Gemini и Google Поиском. Разработчики подключаются через облачный MCP-сервер или Android MCP с помощью AppFunctions API и используют Google Connected Console для отправки, управления брендингом и мониторинга трафика; доступ открывается поэтапно, а партнёры вроде Adobe, Calm, Peloton, Experian и Localiza уже работают в Gemini, часть интеграций скоро появится в Поиске.

7.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Amazon Bedrock опубликовал паттерны кэширования подсказок для запуска моделей OpenAI в агентах

В посте Amazon Bedrock описаны явное и неявное кэширование подсказок для агентных нагрузок с моделями OpenAI: как сохранять prefill (KV) состояние для переиспользуемых префиксов (напр., инструменты и инструкции) через prompt_cache_breakpoint и prompt_cache_key, что сокращает расход токенов и задержку; кэширование требует точного совпадения текста и префикса от 1 024 токенов. Также рекомендовано сочетать неявное кэширование (границы, выбранные Bedrock) с явными маркерами для совместного использования стартового состояния между сессиями и субагентами.

5.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

AWS описывает развертывание Amazon Quick в средах, подходящих для HIPAA

AWS опубликовала руководство, в котором указано, что Amazon Quick является сервисом, подходящим для HIPAA, и описано, как медицинские организации могут использовать его агентные чат-агенты, коннекторы и Model Context Protocol (MCP) для обработки PHI в аккаунтах AWS с действующим BAA. В публикации описаны доступные механизмы контроля (доступ с учётом ACL, логирование чатов и обратной связи, управление действиями), ограничения модели совместной ответственности AWS BAA и рекомендации по управлению и необратимым настройкам.

7.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Rescale создала автоматического агента триажа тестов с Strands Agents и AI-DLC

Rescale применила открытую методологию AI-Driven Development Lifecycle (AI-DLC) и Strands Agents для создания агента, который классифицирует и маршрутизирует сбои ночных end-to-end тестов. Агент выполняется в Argo Workflows на Amazon EKS, вызывает Claude Opus 4.8 через Amazon Bedrock, запрашивает логи через Model Context Protocol (MCP) и был развернут в staging за пять дней, а в production — в течение недель.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Smartsheet выпускает MCP Server (GA) на AWS для работы AI‑агентов с таблицами

Smartsheet представила общедоступный (GA) Model Context Protocol (MCP) Server на AWS, который позволяет AI‑ассистентам читать, записывать и управлять данными Smartsheet через стандартизованный интерфейс MCP. Сервер поддерживает Streamable HTTP, спецификации MCP 2025-06-18 и 2025-03-26, три региональных эндпойнта, аутентификацию через OAuth 2.0 или персональный токен и интеграции с Amazon Quick и Kiro.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Блог AWS демонстрирует разговорные рабочие процессы цепочки поставок с Bedrock AgentCore и Amazon Quick

В посте AWS показан шаблон использования Amazon Bedrock AgentCore (интеллектного уровня агентов) вместе с Amazon Quick (разговорным интерфейсом) для обращения к системам учёта через инструменты по Model Context Protocol (MCP) и оркестровки задач цепочки поставок — оценка воздействия сбоев и создание срочных запросов предложений. В материале описана архитектура, коннекторы MCP и пошаговая демонстрация, где ответы основаны на системах учёта и требуют подтверждения человека.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

AWS Agent Registry обеспечивает обнаружение серверов MCP и навыков агентов во время выполнения

AWS представляет AWS Agent Registry — управляемый каталог для регистрации и семантического поиска серверов Model Context Protocol (MCP), агентов и навыков, чтобы оркестраторы могли обнаруживать и создавать инструменты во время выполнения вместо жесткой привязки конечных точек. В публикации приведён Python-референс, который использует Amazon Bedrock AgentCore Gateway, A2A‑агентов на AgentCore runtime и оркестратор, выполняющий поиск в реестре, строящий клиенты по дескрипторам и вызывающий возможности (аутентификацию требуется получать отдельно).

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

AWS и Keyfactor опубликовали эталонную архитектуру X.509 PKI для AI‑агентов

AWS и Keyfactor выпустили совместную эталонную архитектуру, демонстрирующую применение Keyfactor EJBCA вместе с сервисами AWS (включая Amazon Bedrock и AWS Strands Agents SDK) для обеспечения криптографических X.509‑идентичностей AI‑агентов. Архитектура использует подписанные запросы, делегационные утверждения, audience‑ограниченные токены по RFC 8693 и мгновенную проверку отзыва через OCSP; примеры кода доступны в репозитории GitHub.

7.0

COMPANIES · 1 ИСТОЧН. · TechCrunch AI

Figma добавила 20 партнёров MCP, сооснователь считает протокол «не идеальным»

На конференции Config в Индии Figma объявила о поддержке 20 новых партнёров Model Context Protocol (MCP), включая Notion, Mistral, Meta Muse, Junie от JetBrains и ClickUp; при этом сооснователь Дилан Филд заявил, что MCP «не идеален», выразив опасения по поводу асимметричного обмена контекстом; Figma также сообщила о планах поддержать Pi и указала на риски раскрытия данных пользователей через MCP.

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Structured Authority Injection (SAI): протокол для постоянных человеческих переопределений в агентах на базе LLM

В статье предложен Structured Authority Injection (SAI) — протокол, который направляет правки оператора через типизированные, схематически проверяемые вызовы инструмента Model Context Protocol (MCP) и поддерживает ранжированный контекст полномочий, добавляемый в начало каждого запроса к LLM. SAI определяет три класса переопределений (Constraint, Priority, Strategy) с разной семантикой персистентности и приоритетом, обеспечиваемым направленным каналом полномочий, не требует дообучения моделей; оценка на девяти LLM и восьми сценариях показала снижение неоднозначной интерпретации директив и ослабления влияния оператора (в отдельных случаях снижение накладных расходов на промпт до ~38%), при этом эффект зависит от модели и сценария.

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Какая метадата важна для выбора инструментов LLM в MCP (arXiv:2610.14334v1)

Эта статья на arXiv анализирует метаданные 367 174 инструментов MCP и проводит контролируемые одиночные вмешательства в метаданные на пяти LLM и в пяти задачах с оценкой эффектов с помощью условной логистической регрессии. Авторы показывают, что различия в структуре параметров (parameter schema) вызывают наиболее значимые и устойчивые смещения в выборе инструмента, описания, поясняющие параметры, повышают вероятность выбора, названия влияют слабее, а явная совместимость с запросом может преодолеть смещение по позиции.

7.0

RESEARCH · 1 ИСТОЧН. · NVIDIA Developer

Надёжность агента Siemens Fuse EDA повышена с ~55% до ~95% с помощью NVIDIA NeMo Gym

Siemens использовала NVIDIA NeMo Gym для оценки и улучшения агента Fuse EDA в задачах характеристики стандартных ячеек, повысив составной верификационный балл примерно с 55% до ~95% по репрезентативному бенчмарку. На основе диагностики верификатора были уточнены навыки агента и описания MCP-инструментов, что сократило число ходов агента с 155 до 53 и объём выходных токенов примерно с 81K до 29K.

7.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Anchor Browser интегрируется с Amazon Bedrock AgentCore payments для обработки x402 платежей между машинами

Anchor Browser теперь интегрируется с Amazon Bedrock AgentCore payments, что позволяет агентам ИИ автоматически обрабатывать HTTP 402 (Payment Required) через протокол x402. Интеграция, созданная совместно с AWS Generative AI Innovation Center Partner Agent Factory и доступная в AWS Marketplace, управляет кошельками, лимитами расходов и наблюдаемостью через CloudWatch, чтобы рабочие процессы агентов не требовали ручного вмешательства.

6.0

COMPANIES · 1 ИСТОЧН. · TechCrunch AI

Google запускает агентскую версию Gemini — единый агент для корпоративных клиентов

На мероприятии Google Cloud компания представила единый «агент» на базе Gemini, который сначала будет доступен корпоративным клиентам через Gemini Enterprise; агент принимает цели, планирует и выполняет задачи, использует кастомные навыки и подключается к внутренним системам. Он включает выбор модели (включая Claude от Anthropic), отдельный аккаунт Workspace для агента, «входящие задач», аудиторские следы, совместимость с MCP и интеграции с Google Workspace, Microsoft 365, Slack, BigQuery и Snowflake.

8.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

AWS опубликовала руководство по созданию голосового туристического консьержа на Bedrock AgentCore и Nova 2.5 Sonic

AWS опубликовала практическое руководство по созданию голосового туристического консьержа с использованием Amazon Bedrock AgentCore (runtime и Gateway), Amazon Nova 2.5 Sonic для реального времени и Amazon Bedrock Knowledge Bases, с применением AWS CDK и протокола Model Context Protocol (MCP) для интеграции с бэкендом. В статье описана архитектура, компоненты (аутентификация, хранилища данных, Lambda, API Gateway) и пример для авиакомпании с сохранением слабой связности между агентом и существующими системами.

5.0

RESEARCH · 1 ИСТОЧН. · Ars Technica

Исследователь обнаружил уязвимости в MCP («протокольное поворачивание»), позволяющие атаки между агентами

Независимый исследователь Сайед Анаc Мохиуддин продемонстрировал класс атак, который он называет «протокольным поворачиванием»: злоумышленник использует пробелы в доверии протокола Model Context Protocol (MCP), чтобы передавать вредоносные инструкции между агентами; тестовые примеры затрагивали реализации в Google, Rapid7, JP Morgan Chase, Weviate, французской межминистерской цифровой дирекции и системах федерального правительства США. В показанных POC фигурируют SSRF и цепочки prompt-injection; Rapid7 исправила CVE-2026-97228 (оценка 2.7), а Google устранила уязвимость в googleapis/mcp-toolbox, введя allow-list IP и жёсткую проверку URL.

8.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Amazon SageMaker выпустил навык aws-ai-ml для оптимизации инференса

Amazon представил навык aws-ai-ml, доступный через Agent Toolkit for AWS, который подключается к совместимым с MCP агентам (например, Kiro, Claude Code, Codex) для бенчмаркинга эндпойнтов SageMaker, рекомендаций по развертыванию, сравнения прогонов по производительности и генерации исполняемого кода SageMaker Python SDK v3. Навык работает локально через Agent Toolkit или в Amazon SageMaker Studio JupyterLab и требует учётных данных AWS с правами вызова API SageMaker.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Amazon опубликовала Quick Resource Migrator — MCP‑сервер на Bedrock AgentCore для автоматического переноса ресурсов между аккаунтами

Amazon опубликовала пример Quick Resource Migrator — идемпотентный, аудируемый MCP‑сервер на Amazon Bedrock AgentCore, который автоматизирует перенос ресурсов Amazon Quick (агенты, коннекторы, базы знаний, потоки, пространства) между аккаунтами AWS. Инструмент считывает ресурсы и права через API Amazon Quick, выполняет upsert в целевом аккаунте, сохраняет версионные бэкапы в S3 и предоставляет предварительный просмотр; исходный код доступен в репозитории aws-samples.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Шлюз AgentCore Amazon Bedrock обеспечивает безопасный веб-поиск для Claude Desktop

AWS публикует пошаговую инструкцию по подключению Claude Desktop на Amazon Bedrock к управляемому веб-поиску AgentCore Gateway с использованием JWT-аутентификации через Amazon Cognito и AWS IAM Identity Center, чтобы запросы оставались внутри инфраструктуры AWS. Руководство описывает настройку, федерацию SAML/OAuth и указывает доступные регионы: us-east-1, eu-west-1 и ap-northeast-1.

6.0

COMPANIES · 1 ИСТОЧН. · NVIDIA Developer

NVIDIA выпустила VSS Blueprint 3.3 с навыком Build Vision Agent и Adaptive EVS

Metropolis VSS Blueprint 3.3 от NVIDIA добавляет навык vss-build-vision-ai для сборки многопоточных визуальных AI-развертываний по одному запросу и вводит Adaptive EVS для отсечения избыточных визуальных токенов и пакетной обработки VLM. В демонстрации утверждается развертывание агента для линии розлива менее чем за 30 минут на RTX PRO 6000 Blackwell; в тестах NVIDIA указывает до ≈80% меньше входных VLM-токенов для 60-минутного сводного отчёта и увеличение числа одновременных потоков на 46%; репозиторий доступен, живая демонстрация запланирована на 1 октября в 9:00 PT.

7.0

RESEARCH · 1 ИСТОЧН. · Hugging Face

ProvenanceGuard: проверка фактичности с учётом источников для агентов, использующих MCP

В работе ProvenanceGuard предложен постгенеративный проверяющий модуль, который сохраняет идентификаторы источников из трасс MCP и проверяет не только поддержку каждого утверждения, но и корректность его атрибуции. Метод разбивает ответ на утверждения, находит для каждого релевантный источник, проверяет поддержку (в локальной конфигурации авторов использовались MiniLM и DeBERTa), сверяет заявленную атрибуцию и может блокировать или инициировать корректирующие правки; в экспериментах использовали 281 реальную трассу медицинского агента.

7.0

COMPANIES · 1 ИСТОЧН. · TechCrunch AI

Shopify открывает оформление заказа для браузерных AI‑агентов

Shopify объявила о поддержке WebMCP для оформления заказа (включая Shop Pay), что позволяет браузерным AI‑агентам просматривать, изменять и завершать покупки на сайтах доступных продавцов с помощью трёх новых инструментов: get_checkout, update_checkout и complete_checkout. Это расширяет предыдущую поддержку WebMCP для витрин и корзин и опирается на Universal Commerce Protocol (UCP); у Shopify также есть хостинг MCP‑сервера и партнёры вроде Muse и Instinct.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Model Context Protocol и Eunomia Agent предлагают слой медиатора для связывания LLM-агентов с Data Spaces (arXiv:2609.30341v1)

В статье предлагается архитектурный подход медиатора на базе Model Context Protocol (MCP), реализованный в Eunomia Agent, который преобразует возможности Data Spaces в схемно-управляемые инструменты, доступные для обнаружения и вызова LLM-агентами. Прототип показывает сквозное взаимодействие при обнаружении каталогов, получении метаданных и вызове сервисов данных без модификации существующих компонентов Data Spaces, с сохранением управления и совместимости.

6.0

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

AWS: спецификация MCP делает протокол статeless и убирает привязку сессий

Обновлённая спецификация Model Context Protocol (MCP) удаляет обмен initialize/initialized и заголовок Mcp-Session-Id, что позволяет направлять запросы к любому экземпляру сервера и снимает протокольное требование к «липким» сессиям и общим хранилищам сессий. AWS соотносит изменения с рекомендациями Well-Architected для агентных ИИ, указывает на варианты развёртывания через обычные балансировщики и серверлес (Lambda), добавляет новые заголовки и средства трассировки/кеширования и подчёркивает необходимость обработки повторов и идемпотентности из‑за удаления возобновления потоков.

7.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Amazon Bedrock: архитектура мульти-аккаунтного AI-агента с AgentCore Gateway и MCP

Публикация Amazon описывает эталонную архитектуру для создания мульти-аккаунтных AI-агентов, которые обращаются к данным по месту хранения в разных AWS-аккаунтах без централизации. Платформенный аккаунт хостит агенты и инференс в Bedrock, а AgentCore Gateway (в связке с MCP, AgentCore Identity, Policy in AgentCore/Cedar и при необходимости Okta) агрегирует MCP-серверы LOB, обеспечивает единый механизм обнаружения инструментов, авторизации, наблюдаемости и применяет guardrails и RAG-поиск по знаниям.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

HEMA развернула внутреннего помощника HAL с помощью MCP и Amazon Bedrock AgentCore

Нидерландский ритейлер HEMA создал внутреннего ИИ-помощника HAL, который объединяет разрозненные корпоративные знания и предоставляет ответы внутри привычных инструментов, делая источники доступными как MCP-инструменты и запуская агентов на Amazon Bedrock AgentCore. Идентификация реализована через Microsoft Entra ID, а функции AgentCore (Gateway, Runtime, Memory, Guardrails) позволили обойти необходимость в собственном MCP-сервере.

5.0

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

Morgan Stanley использует CALM (Architecture-as-Code) для интеграции MCP и A2A в программу API

На QCon London инженеры Morgan Stanley Джим Гафф и Андреа Никулеа показали, как банк модернизировал программу API с помощью подхода Architecture-as-Code под названием CALM, интегрировав протокол Model Context Protocol (MCP) и коммуникации Agent-to-Agent (A2A). В демонстрациях продемонстрированы MCP‑управляемые сценарии, автоматизированное управление через deploy‑gates и безостановочные обновления платформы для масштабирования агентных рабочих процессов и производственных API (более 110 API в продакшене).

5.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Strands Evals SDK и Amazon Bedrock AgentCore добавляют оценщики, ориентированные на навыки

Strands Evals SDK и Amazon Bedrock AgentCore Evaluations добавили оценщики, ориентированные на навыки: проверку выбора подходящего навыка (Skill Selection Accuracy) и степень следования инструкциям навыка (Skill Instruction Following). В Strands также есть детерминированная проверка SkillInvoked; оценки можно запускать по траекториям Strands или по трассам OpenTelemetry и управлять ими через AgentCore CLI.

6.0