用 LangChain 连接远程 MCP：从工具发现到多轮调用的闭环

用LangChain连接远程MCP Server实现工具发现到多轮调用的完整闭环。本文通过Node.js示例展示如何读取MCP工具并绑定给模型，执行工具调用后将结果返回模型生成最终回答。理解MCP协议与工具调用的分工，掌握消息循环的核心机制。

2026-07-22 0

GPT-Red：自动化红队如何形成 Agent 安全数据飞轮 包含4个闭环 6类评测指标 5类风险误读

GPT-Red自动化红队模型通过自博弈强化学习构建Agent安全数据飞轮。它包含四个闭环和六类评测指标，同时揭示五类风险误读。GPT-Red将攻击持续注入训练与发布循环，形成可复用的安全数据流水线，帮助企业提升Agent防御能力。

2026-07-22 0

7月第二周阿里云 AgentTeams产品动态

7月第二周阿里云AgentTeams产品动态公布，带来智能体协作平台更新。此次产品动态聚焦AgentTeams在任务调度和团队协同方面的功能优化，帮助用户更高效完成复杂业务场景。阿里云AgentTeams持续提升多智能体管理能力，为企业提供可靠的智能体解决方案。

2026-07-22 0

像水流一样——前端流式输出完整指南（三）

前端流式输出完整指南第三篇深入讲解LLM流式输出实战。从while循环到try-catch每行代码都算数，详解Vue3响应式状态与Streams API结合。掌握二进制解码、缓冲区拼接、SSE协议解析等核心技巧，实现逐字显示的低延迟体验。内容涵盖数据管道五层转换和常见错误处理，适合前端开发者对接任意LLM接口。

2026-07-22 0

Astrolabe（星盘）：让 AI 审视自身构建的 UI 界面

Astrolabe（星盘）是一个开源运行时UI检查工具，让AI能够审视自身构建的UI界面。它通过分析节点结构布局和运行时截图，帮助AI确认界面实现是否正确，实现闭环开发流程。该工具支持iOS平台，旨在让AI理解运行结果并对自己的实现负责。

2026-07-22 0

从恶意 Dataset 到横向移动：一套可落地的 Dataset Processing Threat Model（资产边界与威胁枚举及5层控制）

本文介绍一套可落地的Dataset Processing Threat Model，从恶意Dataset触发代码执行到横向移动，覆盖资产边界与5层控制。包括8大威胁枚举、Canonical Manifest、Admission Control规则、一次性Worker基线和默认拒绝网络等核心防御措施，帮助防止数据处理成为攻击起点。

2026-07-22 0

写了几十条规则:为什么还管不住 AI？

精准管理AI代码行为比堆积规则更有效。写了几十条AI规则反而管不住AI，问题不在于模型能力，而在于行为控制。原文提出四个核心行为原则：不要假设要提问、只写最小实现、只改必须改的部分、定义可验证成功标准。这些原则能减少AI代码噪声，提升代码质量和协作效率。规则少而精才是关键。

2026-07-22 0

掌握 OpenMontage 的 12 条流水线

掌握OpenMontage的12条流水线，每条pipeline都是一套从想法到成片的完整视频制作工作流。覆盖动画讲解、电影感预告、录屏、数字人、长视频拆条等场景。agent遵循Rule Zero规则选择流水线，按阶段读取manifest和技能自动执行，让视频生产高效可靠。

2026-07-22 0

我给自己的MCP Server做了一次渗透测试:结果吓出一身冷汗

一名开发者对自己构建的SQLite MCP Server进行渗透测试，结果令人警醒。五种攻击测试中三种成功，包括间接Prompt注入和UNION注入窃取表结构。文章揭示了AI模型在工具执行层的安全防御断层，并分享了参数级白名单与结果脱敏等四层加固方案。为AI Agent开发者提供安全实践参考。

2026-07-22 0

一堆if把Agent Loop写乱了：Hooks到底解决了什么

Hooks通过事件注册机制解决Agent Loop中权限检查等扩展逻辑与主流程耦合的问题。将工具执行前后等固定时机作为事件挂载点，使核心循环保持清晰。这避免了代码臃肿，方便后续功能扩展。

2026-07-22 0

GitHub Models 7-30 退役全拆解：Inventory + Capability Probe + Shadow Traffic + Brownout

本文详细拆解GitHub Models 2026年7月30日退役的迁移方案，包含Inventory清单、Capability Probe探针、Shadow Traffic影子流量和Brownout演练。通过Provider Capability Registry和分批Cutover实现可回滚迁移，提供完整的AI Access Layer内部契约与退出预案，帮助团队平稳完成模型迁移。

2026-07-22 0

AI应用工程：Agent 是如何工作的？——从一次模型调用到可运行的执行循环

本文深入解析AI Agent如何从一次模型调用演变到可运行的执行循环。通过订单取消案例，揭示Tool Calling只是协议接口，真正执行依赖Runtime循环、状态管理和审批机制。理解状态、Context与循环控制是构建可靠Agent运行系统的关键。

2026-07-22 0

AI Agent 的安全挑战及防护策略

AI Agent从对话式AI演进到行动式AI，具备自主调用工具和操作数据库的能力，但也面临提示词注入、权限滥用等安全威胁。本文详细分析了AI Agent的安全挑战，并给出从指令加固到沙箱隔离的多层防护策略，帮助构建安全可控的智能体系统。

2026-07-22 0

AI 评估：Ragas 与 DeepEval 深度对比

Ragas与DeepEval深度对比，前者专注RAG系统评估提供忠实度与召回率等指标，后者集成Pytest支持复杂AI Agent的单元测试。选择适合业务的评估工具，帮助开发者量化迭代检索增强生成系统的性能表现。

2026-07-22 0

AI Agent 评估的六大核心维度

AI Agent评估的六大核心维度涵盖任务完成率、规划与推理、工具调用、记忆管理、鲁棒性及成本效率。这些维度从任务成功率到资源消耗，全面衡量智能体在复杂环境中的行动效果，是评估AI Agent性能的关键参考。

2026-07-22 0