Google 一年前推出的 A2A 协议已发展到 1.0 版本，获得 150 多个组织支持并进入 Agentic AI 基金会。但同期 MCP 能力日益强大、Agent 运行时的编排能力提升、长时任务转向持久化工作流、共享状态协调等方式，都在减少 agent 之间需要独立寻址通信的场景。文章分析了四种架构趋势：agent 藏身于 MCP 能力之后、子代理成为运行时内部原语、单一协调代理面向多个 agent、软件工厂按工作任务组织 agent、以及传统工作流编排器从顶层协调 agent，认为显式 agent-to-agent 协议的需求可能并不常见。
文章通过梳理FDA及微软、OpenAI、Anthropic、Google等公布的实际案例，证明AI已在医疗领域真实落地：FDA已授权超1600种AI医疗设备，主要应用于医学影像、心脏疾病、糖尿病筛查等。大语言模型也进入医院工作流程，如微软Dragon Copilot服务超10万名临床医生，OpenAI帮助波士顿儿童医院节省6万小时工作时间，Claude助力Banner Health整理病历，Google辅助生成诊疗记录。作者指出需区分三个问题：技术已落地是事实，医疗AI市场正在形成但规模尚小，科技公司的巨额投资回报仍需时间验证。
文章介绍如何利用开源 MCP 服务器 REA（Reverse Engineer Anything）和 Claude Code 的子代理机制，搭建一个四角色的逆向工程团队。作者指出单一会话在处理大量反编译函数时会积累错误推断并自我审查失效，因此设计了四个分工明确的代理：Analyst 负责 REA 分析并标注证据、Spec Writer 只输出行为规格、Rebuilder 在隔离的 clean 容器中仅凭规格重建代码且无 REA 工具权限、Verifier 对比原始与重建版本的匹配率。文章提供了从安装 REA、环境隔离、到各代理配置文件的完整 7 步搭建指南。
文章指出许多人做 AI Agent 只是调用大模型 API 加上工具和 LangGraph，跑通 Demo 与企业级生产落地之间差距巨大。作者结合自身企业 AI 项目经验，将 Agent 工程师学习路线分为四个阶段：一是掌握基础，理解 Agent 工作原理；二是赋予执行能力，包括 MCP、浏览器自动化、记忆与上下文管理、沙箱与权限控制；三是安全、多 Agent 协作与人工审批，明确权限边界，防止错误放大；四是错误处理、执行轨迹评测、降级兜底与工程复盘。作者强调评测数据是判断系统优劣的关键，建议边做边学，完整交付一个项目比做十个 Demo 更有价值，真正稀缺的是能让 Agent 稳定运行的工程能力。
本文基于牛客网 8 月 18 日至 10 月 18 日的一手面经，统计了 180 位作者、343 场面试、近 80 家公司的 Agent 岗高频面试题。统计显示，问得最多的是 RAG 链路和 AI Coding 工具使用（各占三成多），其次是多 Agent 拆分、Agent 评测、上下文压缩、Skill/MCP/Function Calling 边界、记忆设计、Harness 与 Agent Loop、LangGraph/LangChain 等。文章逐题列出问法、公司分布和轮次分布，并指出 Skill、MCP、Agent 评测和 Harness 在 9、10 月明显增多，手撕题仍以 LeetCode 为主。
文章介绍如何通过配置优化 Codex 的额度消耗：主线使用贵的 GPT-6.1 Sol 负责思考决策，把读文件、搜代码、跑测试等杂活派给单价仅为二十分之一的 GPT-6 Luna 子代理。作者给出 6 段配置：让 Codex 自动配置、设置默认子代理模型、创建只读侦察兵 scout 和执行修理工 fixer 两个子代理、在 AGENTS.md 写入自动派活规则、日常派活提示词，以及在 ChatGPT 普通聊天中先聊透需求生成任务单。还提醒避免 Fast 模式、滥用子代理等白烧额度的坑，附具体配置文件与提示词模板。
文章深度解读了 Google 与 Kaggle 联合推出的免费 5 天 AI Agents 密集课程，以五份白皮书为主线：Day 1 阐述 Vibe Coding 带来的软件开发生命周期范式转变；Day 2 介绍 Agent 工具互操作协议栈（MCP、A2A、A2UI、AP2）；Day 3 讲解 Agent Skills 作为 LLM 第一个程序性记忆原语的知识封装格式；Day 4 直面安全与评估问题，提出 7 支柱的 Effective Trust 架构；Day 5 主张规格驱动开发（SDD），探讨 AI 时代如何实现生产级工程。文章认为该课程是理解 Agent 时代软件工程范式重组的高浓度样本，并给出以白皮书为纲、Day 2 和 Day 4 含金量最高的学习建议。
作者基于近一个月使用 Grok Bot 的体验，对五家个人 Agent（Muse、Grok Bot、Spark、Cue、Dots）进行了深度竞品调研。文章首先厘清个人 Agent 与通用 Agent 的区别：7×24 在线、拥有云电脑、能主动办事。随后梳理了用户真实案例，包括替人砍价、整理历史数据、填表办手续等。技术层面，文章将个人 Agent 拆解为模型、电脑、记忆、技能、调度、身份六模块，并重点对比了云端电脑方案、身份策略与审批机制三大差异点。最后总结五家各自的优势：Grok Bot 擅长多 Bot 协作、Muse 主打社交、Cue 强在独立身份、Dots 突出主动性、Spark 依托 Google 生态，并判断安全将成为未来竞争的关键。
作者介绍了 amontlabs/lcu 项目，它将 Codex 的 Computer Use 能力（让 AI 看屏幕、点鼠标、敲键盘操作电脑）拆分出来，通过 MCP 接口供 Claude Code、Codex CLI、Pi 等其他 AI Agent 工具调用。该项目并非重新实现，而是直接调用本机 ChatGPT 桌面版内置的 OpenAI 原版 Computer Use 运行时。它只提供 js 和 js_reset 两个工具，模型通过预置的 cua 对象编写 JavaScript 代码完成点击、输入、截图等操作，环境保留状态，并支持读取无障碍信息按元素点击。已适配 Pi、Codex CLI、Claude Code，支持 Apple Silicon Mac 和 X11 Linux，Windows 11 处于候选阶段。
本期早报围绕 AI 智能体的选型、部署与落地展开。精讲一介绍 OpenAI GPT-6 系列模型使用指南，讲解 Astra、Sol、Luna 三款模型的定位、推理强度调节、提示词缓存与成本优化策略。精讲二是 a16z 与采购智能体公司 LEO 的访谈，探讨企业 Agent 部署为何比构建更难，强调系统记录之外的例外流程决定 Agent 能力边界。精讲三介绍 Airbnb 由内而外的 AI 改造，包括原型协作、Everest 知识复用平台及 AI 客服实践。速览涵盖替代 GPU 的计算路线、Spring AI 模块化 RAG、Fractile 推理芯片、Pi 的 MCP 支持与持久化框架、Cloudflare AI Search 及 Instinct 个人智能体等内容。
这是一篇虚构讽刺小说。2026年9月，特朗普在白宫科技CEO大会上签署行政令，将 AI 正式改名为 SI（Super Intelligence），OpenAI、xAI 等巨头连夜改名，唯独苹果缺席。苹果此前抢先把 AI 缩写用作 Apple Intelligence，如今连名字都保不住，且已为 Apple Intelligence 花费五十亿美金投放广告。库克灵机一动，将 Siri 重新诠释为 Siri Intelligence，缩写恰为 SI，宣称"全世界每喊一声 SI 都是在给 Siri 打工"，仿佛苹果反而领先十五年。但笑点最终崩塌：Siri 的大脑其实是 Google Gemini，而马斯克三分钟前早已在 X 上发布 SpaceXAI is now SI——苹果的领先只保持了三个小时。文章以幽默笔法讽刺 AI 行业命名营销与巨头博弈。
文章回顾了 MCP 协议 18 个月来的架构演进。MCP 最初由 Anthropic 于 2024 年 11 月推出，作为向模型暴露外部能力的工具层。OpenAI 虽然较晚采用，但推动了大量创新：先是 Apps SDK 让集成方提供交互式界面，随后社区提出官方 MCP Apps 扩展实现跨主机可移植。2026 年 DevDay 上，OpenAI 发布 Plugin Extensions，让 MCP 应用深度集成到 ChatGPT 的侧边栏、对话面板等界面，并新增 MCP Events，使外部系统能通过 webhook 主动触发 ChatGPT 中的工作。MCP 正从能力层演变为完整的应用架构标准。
tldraw 宣布为 ChatGPT 和 Codex 推出插件，基于 OpenAI 新的 MCP 扩展规范构建，为对话提供实时多人协作画布。用户可在侧边栏与 AI Agent 和团队成员共同在画布上创作，通过评论标记 Agent 提供上下文。插件支持创建和管理画板、读取截图和图形、绘制图表（含 Mermaid），所有画板与 tldraw.com 账户同步。典型用例包括：可视化解释概念、将线框图变为应用、截图标注修改代码、绘制代码库架构图等，实现人与 Agent 在画布上的双向协作。
