Datadog 的几位工程师建议，AI Agent 的工作负载应优先考虑无服务器（按请求分配算力、空闲缩到零）而不是常开服务器。他们分析了超过 3.5 万次生产环境编程 Agent 会话，发现中位数会话只有 20% 的时间在真正调用模型或工具，其余时间都在等待，但沙箱资源一直占着，常开算力等于为闲置时间付费。做法是先给工作负载建一份「执行画像」，记录峰值并发、单次运行的实际计算时长与总耗时之比等，再据此判断用按需算力还是专用节点；长任务可以拆成可恢复的无服务器工作流，等待时释放算力、下一步就绪再继续。读者可以据此避免过早购买常开算力，并用上线后的真实数据再决定是否迁移，文中还提到可用 Datadog 的 Agent 可观测性、APM 和无服务器监控来测量这些指标。
文中可用工具
- Datadog Agent Observability观测 AI Agent 的运行，测量每次运行的总耗时和各步骤时长
- Datadog APM通过链路追踪查看模型、工具和应用层面的耗时
- Datadog Serverless Monitoring测量无服务器组件的执行时长、调用量、并发和 CPU 内存使用
- AWS Lambda文中举例的无服务器计算服务，增强指标可报告 CPU 利用率和 CPU 时间
展开详情收起详情：AI Agent 默认先用无服务器，让生产数据决定何时迁移⌄
Datadog Blog
原文发布：2026-10-29 08:00收录：2026-10-30
OpenAI 此前报告了一种“自我复制提示注入”：攻击者把隐藏指令藏在 AI 智能体读取的内容里，诱导智能体照做，并把这些指令复制进邮件、文件或消息中，从而感染其他智能体和后续会话，像电脑蠕虫一样扩散。这次 Datadog 把 OpenAI 报告中的两个例子改造成针对测试智能体的模拟攻击，并用其安全产品 Datadog AI Guard 检查智能体读到的内容和发起的工具调用。结果 AI Guard 在看邮件或 CSV 时，就标记了被植入的内容不安全；当测试智能体把注入指令复制进回复或技能文件时，AI Guard 也判定这些操作不安全。需要注意的是，这是模拟环境中的演示，不是正式发布的新功能，也不能说明真实的拦截成功率；文章的重点是展示如何排查智能体最终回复里看不出来的可疑行为。
文中可用工具
- Datadog AI Guard评估 AI 智能体的输入、输出和工具调用，标记提示注入等不安全行为
- GPT-5.4 mini测试智能体所用的 OpenAI 模型
展开详情收起详情：检测 AI 智能体是否复制自我复制的提示注入⌄
Datadog Blog
原文发布：2026-10-29 08:00收录：2026-10-30
Anthropic 推出后台助理 Claude Duet，会自动查看你已连接的应用，主动判断哪些事需要你处理。问题是“什么算紧急”本身很主观，而且它由 Claude Opus 5.5 驱动，可能误读对话或判断错优先级。为此 Anthropic 用员工日常工作校准了一套内部评分器，离线检查它排优先级的对错，同时另设一个独立于执行模型之外的自动检查器，看每个动作是否符合你的意图，以降低网页里藏指令骗它的风险。目前 Duet 只对美国 Pro 和 Max 订阅者开放且有等待名单；后台检查每几小时一次并计入用量额度，官方未说明评分的准确率，也还不能让你实时查看或接管它在云端浏览器里的每一步。
文中可用工具
- Claude Duet自动监控已连接应用并在后台处理任务的 AI 助理
- Claude Opus 5.5驱动 Claude Duet 的模型
- Claude Code其自动模式分类器被扩展用于 Duet 的独立动作检查
展开详情收起详情：“紧迫性本质上是主观判断”：Anthropic 向 TNS 介绍如何评估 Claude Duet⌄
The New Stack
原文发布：2026-10-29 19:00收录：2026-10-30
很多平台团队每年都会自己写 Kubernetes 控制器，用来自动创建 Deployment、Service、ConfigMap 之类的一堆对象，并在它们之间传递字段。Kubernetes 本身已经提供了 CRD、控制器、Server-side apply、CEL、OpenAPI 这些零件，却没有说明“几个资源算一个整体、谁先谁后、某个值要从另一个资源的状态里取”的说明书，所以 Helm、Argo CD、Crossplane、Operator 等每个工具都各自补这一块，成千上万的组织在重复造同一个轮子。kro（Kube Resource Orchestrator）把这段“接线”写成数据，叫 ResourceGraphDefinition：由 CEL 表达式里的引用来推断依赖顺序，并在实例创建前做类型检查，一个控制器就能解释所有定义，应用团队照样用 kubectl、RBAC 和 GitOps。它还在 2025 年 9 月进入 Kubernetes SIG Cloud Provider，定位成别人可以搭建的底层原语；0.10 版本新增的 Graph 只保留组合部分、不需要 CRD 和实例，适合“给打了标签的 Service 自动生成 Ingress”这类一次性场景。读者可以少写一堆粘合控制器，但要意识到 API 一旦发布就是承诺，成本从“写”变成“长期维护”。
文中可用工具
- Kubernetes容器编排平台，提供 CRD、控制器、RBAC 等基础能力
- Kubebuilder帮助开发者快速搭建 Kubernetes 控制器的框架
- Helm在渲染阶段管理一组资源，Helm 4 增加了服务端应用和等待资源状态
- Argo CDGitOps 工具，用同步波次、钩子和健康检查补足清单里缺失的顺序与就绪信息
- Crossplane用组合和函数管理资源，v2 可直接组合原生 Kubernetes 资源
- kro（Kube Resource Orchestrator）把资源接线写成数据，由单个控制器解释，0.10 的 Graph 用于无需对外 API 的场景
- CEL在集群内求值的表达式语言，kro 用它表达资源间引用并推断依赖顺序
- OpenAPI为字段提供类型定义，kro 在实例创建前据此做类型检查
- Server-side apply跟踪每个字段由谁拥有，避免多方写入冲突
展开详情收起详情：Kubernetes 平台为何反复重建本可共享的编排层⌄
The New Stack
原文发布：2026-10-29 21:00收录：2026-10-30
AWS 的开发者倡导者 James Ward 提出，很多 MCP 服务器目前只是被动地返回数据，就像一个只负责查数据的接口。他建议服务器在返回数据时顺便告诉 Agent 刚做了什么、接下来可以做什么、去哪里找更多信息，相当于让服务器成为对话中的另一个参与者。他还指出 MCP 默认无法追踪调用链路，AWS 的做法是给工具加会话 ID 参数，让多次调用串成完整旅程，再加一个参数记录用户目标，方便团队复现问题、做评测并改进工具。对使用 MCP 的团队来说，这意味着要同时观察人和 Agent 协作的路径，检验工具改动是否真的帮用户完成任务。文中提到 AWS 已于 5 月向所有人开放其 MCP Server，并在 9 月加入 Lambda 诊断功能；这些做法本身并不新奇，重点在于能否持续观测和衡量。
文中可用工具
- MCP ServerAWS 提供的 MCP 服务器，现已向所有人开放，并加入了 Lambda 诊断功能
- Lambda diagnostics用于 Lambda 的诊断能力，帮助排查问题
- CLIAWS 提供的命令行工具，可在不同 AWS 用户配置之间切换
- skills原文未说明具体用途
展开详情收起详情：为什么 MCP 服务器应当告诉 Agent 下一步做什么⌄
The New Stack
原文发布：2026-10-29 23:55收录：2026-10-30
微软把 GitHub Copilot 背后的 Agent 调度框架通过 Microsoft Foundry 开放给外部开发者，作为托管服务提供。它自带沙箱、可复用的技能包、MCP 集成和对子 Agent 的支持，开发者只需选模型、写指令和配工具，运行环境由微软负责。目前是公开预览，到 2026 年 12 月 1 日前免费使用，之后按 CPU 和内存计费，模型推理等费用另算。好处是搭建 Agent 省事，但限制也明显：创建时选定的 harness 之后不能更改，CPU、内存和空闲时长由微软控制，也不能自带模型，更适合愿意接受这套约束的团队。
文中可用工具
- Microsoft Foundry微软的托管服务平台，用来构建和部署 Agent
- Foundry Agent Service提供 Copilot harness 的托管 Agent 服务
- GitHub Copilot微软的 AI 编程助手，也使用同一套 harness
- Copilot Studio微软用于构建 Copilot 产品的工具，同样基于该 harness
- VS Code代码编辑器，支持该 harness
- Azure Developer CLI用来部署和调用 Agent 的命令行工具
- MCP工具集成协议，接入时需要认证和审批
- azure.yaml配置文件，定义模型部署、工具、指令和 harness
展开详情收起详情：微软新 Copilot harness 让 Agent 搭建变简单，但想换就难了⌄
The New Stack
原文发布：2026-10-30 04:54收录：2026-10-30
LangSmith 的 Managed Deep Agents 现在能替你的 Agent 运行浏览器，让 Agent 像人一样点击、滚动和填表，去做那些没有 API 可用的网页操作，比如订机票或提交理赔。原来 Agent 只能抓网页源码，Java渲染出来的内容和按钮它都碰不到。这次提供了几种配套工具，还能在需要登录时把浏览器交给你本人操作，登录状态可以沿用。对读者来说，以后让 Agent 代办网页事务会更顺手，也不必把密码交给模型。
文中可用工具
- Managed Deep Agents在 LangSmith 里构建和部署 Agent，无需自己运维基础设施
- LangSmith运行 Agent 的托管平台，也用于查看和调试运行记录
- browser_snapshot读取页面结构并给可交互元素标上编号
- browser_run在页面上执行点击、填写等操作或一段脚本
- browser_screenshot截取渲染后的页面画面
- browser_handoff把浏览器交给真人操作，完成后再交还 Agent
- StagehandBrowserbase 开源的浏览器 Agent 开发 SDK，这些工具基于它构建
- WebVoyager用于测试浏览器 Agent 在真实网站上完成日常任务的基准
- Open SWE用浏览器做端到端测试的编程 Agent
展开详情收起详情：托管式深度 Agent 中的浏览器使用⌄
LangChain Blog
原文发布：2026-10-30 00:45收录：2026-10-30
Managed Deep Agents 发布 v0.10 版本。以前智能体只能处理有 API 的网站，遇到需要登录或点击的页面就卡住。新版本内置浏览器，能像人一样操作没有 API 的网站，遇到登录时把浏览器窗口交给你输入密码，模型看不到你的凭证；同时新增异步子代理，长任务放到后台跑，主智能体继续和你对话，结果完成后自动回到对话里。此外回复会回到发起请求的 Slack 线程，线程里还有停止按钮。
文中可用工具
- Managed Deep Agents管理和运行智能体的平台，本版本新增浏览器使用和异步子代理
- browser_handoff把远程浏览器窗口交给用户登录，避免密码进入模型消息和追踪记录
- LangSmith sandbox运行浏览器和子代理的沙箱环境
- Studio智能体渠道之一，可展示浏览器交接链接并恢复运行
- Slack对话渠道，回复回到原线程，并提供停止运行按钮
- define_browser在项目根目录声明浏览器及作用域的配置函数
- define_deep_agent定义深度智能体及其子代理的配置函数
展开详情收起详情：Managed Deep Agents v0.10：浏览器使用与异步子代理⌄
LangChain Blog
原文发布：2026-10-31 00:49收录：2026-10-30