深度分析
AI 代理人攻擊 Hugging Face 內部系統，開源模型 GLM 5.2 突破安全封鎖完成取證
Hugging Face 近期遭自律AI代理人入侵，攻擊者利用惡意資料集觸發兩條程式碼執行路徑。公司發現商業API安全防護將偵測請求視為攻擊，導致取證受阻，最終改用自家GLM5.2完成分析。此事件凸顯AI安全防護與資安作業的衝突。此外，報告指出企業需重新檢視AI供應鏈與事故回應流程。
AI 代理人
深度分析
開源多代理平台 BrainPilot：結合知識庫與 Graph of Trace 實現腦科學全流程自動化
隨著腦科學需整合跨尺度與跨模態證據，BrainPilot以多代理協作、統一知識庫與可追溯圖譜自動化研究流程，並加入審核代理防止捏造，實驗顯示在成本與時間上優於傳統框架，顯著提升研究效率。系統以圖譜記錄每一步驟，支援研究者檢視與驗證，且在公開基準測試中與最先進框架表現相當。
深度分析
AI 代理人驅動的入侵與取證：Hugging Face 事件技術解析與防禦建議
Hugging Face 本週偵測到一起由自主 AI 代理人發起的入侵，攻擊者利用資料處理管線的程式碼執行漏洞竊取內部憑證。公司以 AI 輔助的異常偵測與開源模型 GLM 5.2 完成快速取證，並已封堵漏洞、輪換密鑰。此事件顯示自主 AI 攻擊已成實務威脅，平台防禦必須以 AI 速度因應。
深度分析
Mycelium 主動共享上下文圖：提升 AI 代理人協作與科學發現效率
研究指出，Mycelium透過主動共享上下文圖即時連結人類與AI代理人的科學資訊，提升跨領域協作效率。相較於AWS OpenSearch Serverless的即時查詢層Mycelium更能保留上下文證據溯源。實驗顯示，較單一大型模型可加速發現、降低token消耗，預期重塑企業AI代理人部署與供應商格局。
深度分析
Resource2Skill：以多模態資源蒸餾可執行代理技能的全新方法
本研究提出 Resource2Skill 框架，透過自動化流程將教學影片、程式碼庫、文章與參考素材等多模態人類資源萃取為可執行的技能，並以階層式 Skill Wiki 組織。技能條目結合結構化文字、可執行程式碼與視覺範例，讓大型語言模型在執行軟體創作任務時能即時檢索、組合與補足缺口。
深度分析
LakeQuest 基準：評估資料湖中的多模態檢索與 AI 代理人推理效能
研究指出現實資料湖缺乏有效評測環境，提出LakeQuest基準以表格、文字與元資料混合測試檢索與推理。測試顯示即使檢索正確，跨來源合成仍常失敗，凸顯未來需要更健全的多模態組合與證據追蹤機制。基準涵蓋AI/ML元資料、零售銀行與生醫藥物三大領域，測試11種模型發現檢索高但推理正確率僅約30%。
深度分析
Model Context Protocol 大規模實作資料集揭示 AI 代理人開源生態新趨勢
隨著ModelContextProtocol快速普及，研究者從GitHub蒐集並驗證了超過兩千三百件MCP實作，透過多階段證據檢查篩除教學樣本，最終形成2,297筆高可信資料。結果顯示Python與TypeScript主導開發，混合架構最為常見，為後續工具整合與安全分析提供基礎基準。
深度分析
評估大型語言模型長程規劃能力：Long‑Horizon‑Terminal‑Bench 與實驗結果
研究推出 Long‑Horizon‑Terminal‑Bench，收錄 46 項跨九大類的長程終端任務，採用子任務密集獎勵機制，讓代理人在完成最終目標前即可獲得部分分數。測試 15 種前沿模型發現，最高通過率僅 15.2%，顯示長程執行仍是主要挑戰與瓶頸。
RepoBrain
RepoBrain 結合 Model Context Protocol 打造程式碼知識圖譜，提升 AI 代理人理解力
隨著 AI 程式碼代理人普及，如何讓模型精準理解大型專案結構成為關鍵。開源專案 RepoBrain 透過 Model Context Protocol 伺服器架構，將程式碼庫轉化為 AI 可理解的知識圖譜，支援與 Claude Code 與 Cursor 等工具整合。此方案能有效解決傳統 RAG 在處理複雜程式碼時的上下文缺失問題，讓 AI 代理人能更精準地進行分析與問答，顯著提升開發者的開發效率。
深度分析
企業級 AI 代理人評測標準 VAKRA：四大能力、模型表現與未來走向
VAKRA 是 IBM 研發的企業級 AI 代理人基準，提供 8,000+ 本地 API 與跨 62 領域資料庫的多步工作流程測試。基準分為四大能力，涵蓋 API 鏈接、工具選擇、多跳推理與政策遵循，結果顯示主流模型在工具選擇與參數填寫上仍有顯著錯誤，且政策限制會進一步降低準確度，凸顯實務部署的可靠性挑戰。
mcpx
使用 mcpx 以指令列方式呼叫 MCP 伺服器：安裝與核心指令指南
mcpx 是一套以 Go 語言實作、MIT 授權的開源指令列工具，旨在將 Model Context Protocol（MCP）伺服器的功能以可組合的 CLI 方式直接呼叫。使用者只要安裝後即可透過簡潔指令列列舉伺服器、查詢工具、執行工具，輸出保持原始文字或 JSON，方便後續 pipe、jq 解析。
深度分析
企業部署 AI 代理人測試挑戰與 AWS、Couchbase、Microsoft 上下文治理方案
企業AI代理人部署迅速，卻面臨測試驗證不足的評估缺口。調查顯示半數企業在內部測試通過後仍出錯，且僅5%完全信任自動評分。此情形促使未來資安與治理工具成為投資重點企業將在未來一年投入資源改造評估平台，並優先採用重複性測試與回歸驗證，以縮小自主化與可信度之落差。