Agent 与自动化01
idataconnect/outturn · A fast, secure Rust foundation for multi-tenant agent platforms
outturn 是一个用 Rust 构建的多租户 Agent 平台基础框架,面向需要让每个客户都能运行各自 Agent 的公司。它内置租户隔离、按租户用量归因、在 WebAssembly 沙箱中运行 Agent 代码、默认拒绝的出站访问规则、网关集中保管凭证、每轮签名令牌,以及防止单个租户故障影响其他租户的断路器。项目处于早期开发阶段,接口可能变动,提供本地 Kubernetes 集群的开发与演示流程,以及面向真实部署的密钥与清单生成脚本。
Agent 与自动化02
crewship-ai/crewship · Self-hosted runtime for AI coding agents. Real Linux containers, your hardware, your keys, your data.
Crewship 是一个用 Go 编写的自托管运行时与控制平面,为每个 AI 编程 Agent 团队提供独立的真实 Linux 容器,可驱动 Claude Code、OpenCode 或通过 Ollama 运行本地模型。它在运行时之外提供任务分解与执行的 Missions、定时 Routines、问题跟踪与分诊、基于角色的访问控制、审计日志、Keeper 治理层、加密备份及清单式 GitOps 管理等能力,代码、数据、对话与记忆均保留在自有硬件上。项目处于开放测试(pre-1.0)阶段,README 明确标注各模块的稳定、早期或未完成状态。
Agent 与自动化03
kubernetes-sigs/agent-sandbox · agent-sandbox enables easy management of isolated, stateful, singleton workloads, ideal for use cases like AI agent runtimes and reinforcement learning (RL).
Agent Sandbox 是 Kubernetes SIG Apps 下的项目,提供 Sandbox 自定义资源定义(CRD)及控制器,用于以声明式 API 管理长期运行、有状态、单容器的单例工作负载,具备稳定身份、持久存储,以及创建、定时删除、暂停、恢复等生命周期管理。扩展模块提供 SandboxTemplate、SandboxClaim 和 SandboxWarmPool,支持模板复用、从预热池快速认领沙箱。项目自身是沙箱编排器,底层隔离交由 gVisor、Kata Containers 等 Sandbox Runtime(通过 RuntimeClass)负责。适用于 AI Agent 运行时、强化学习与评测、开发环境、Notebook 和有状态单 Pod 服务等场景,并提供 Go SDK、Python SDK 及可选的 Sandbox Router。
Agent 与工作流04
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
Agent 与工作流05
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
Agent 与工作流06
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
AI 编程07
totalwindupflightsystems/gitreins · Git-native AI agent co-harness — MCP server, static guards, and agentic evaluator for LLM-assisted coding
GitReins 以 Git 仓库内的质量护栏形式运行,提供任务生命周期管理的 MCP 工具、按任务验收标准判断代码完整性的 agentic evaluator(代理式评估器),以及阻止检查绕过的 Git hooks。工作流上分两层:Tier 1 静态检查(密钥、构建、Lint、测试,可配置),Tier 2 由 LLM 读取文件、运行测试并逐条给出 PASS/FAIL,判定结果持久化在 .gitreins/history/,可通过 gitreins report 或本地 web 浏览器查看。它还支持通过 manifest 并行运行多个 worktree lane,并在合入前根据判定结果进行门控。
AI 编程08
inkatze/planwright · Autopilot for spec-driven development on Claude Code: sign off a spec and a guardrailed agent fleet builds, reviews, and delivers draft PRs. Scales from one feature to an agentic software factory. You keep sign-off and merge.
planwright 是一个面向 Claude Code 的规格驱动开发框架:先把需求、设计、任务、测试写成四文件规格并人工签署,再由带护栏的 agent 依次完成测试先行的实现、完整 CI、自动化评审收敛,并提交草稿 PR;人工保留签署与合并两道控制。支持多规格并行执行的 fleet 模式,可通过 overlays 定制 linter、测试命令和评审严格度。