
今天 Agent 工具这条线的主题很集中:Agent 正在从「能写代码、能回答」走向「能动手操作、能花钱、能长期运行」。Google 让 Gemini 直接在 Mac 上操作应用,AgentMall 让 Agent 帮人结账。能力越往外伸,治理就越绕不开。
1. Gemini macOS 版上线电脑操作功能
Google 给 Mac 上的 Gemini 应用加入了 computer use 能力,可以跨本地文件、桌面应用和网页完成多步骤任务,官方举的例子有填表、做演示文稿和发布商品信息。用户可以自己决定 Gemini 能访问哪些应用,它在独立的后台窗口里运行,聊天界面会同步显示实时预览。目前只面向美国、英文用户推送。
点评:值得注意的是时间点,苹果正准备对申请「完全磁盘访问」权限的应用加限制,相关设置预览已出现在 macOS 27.3 测试版里。桌面 Agent 接下来会越来越多地受到系统权限规则约束。详情
2. Gemini API 推出 Tool Retrieval 预览
Google 在 Gemini API 中上线 Tool Retrieval 预览功能,让 Agent 可以接入数百个工具,同时消耗更少的 token。官方目前公开的信息不多,支持哪些模型、能省多少 token、具体怎么调用都还没写清楚。
点评:工具一多,把所有工具说明都塞进上下文既费钱又容易选错,按需检索工具是很自然的方向。细节公布前不必急着改架构。详情
3. Linear 云编码 Agent 支持自带密钥,但沙箱照样收积分
Linear 在 11 月 12 日为云编码 Agent 上线 BYOK(自带密钥)。已经直接向 OpenAI、Anthropic 付费,或通过 OpenRouter、AWS Bedrock、Azure OpenAI、Vercel 等渠道用模型的团队,可以把 Linear 的 Agent 指向自己的账户,沿用原有价格和额度。兼容 OpenAI Responses API 或 Anthropic Messages API 的网关也能接。
点评:要看清它的边界。BYOK 只管模型调用,Agent 跑在 Linear 托管的沙箱里,沙箱时长仍按 Linear AI 积分扣,工作区还得有余额。另外这里接的是 API 密钥,ChatGPT 或 Claude 的个人订阅不能直接拿来用。详情
4. AgentMall:一个 API 让 Agent 代买东西
AgentMall 上线,提供统一 API,让 AI Agent 在数百家商户完成搜商品、组购物车和结账,支持 REST 和 MCP 两种接法,现有的编码或聊天 Agent 可以直接接入。每次购买都要用户批准,批准绑定具体购物车和金额上限;商户登录凭证存在保险库里,不会交给模型;结账时遇到结果不确定的提交会做对账,不会盲目重试。
点评:「Agent 花钱」最怕的就是重复扣款和越权下单,AgentMall 把批准、凭证隔离和防重试做成了基础设施,思路是对的。商户数量和收费方式官方还没披露。详情
5. Kong 创始人推出自愈式 Agent 云平台 Volcano
Kong 创始人 Marco Palladino 发布 Volcano,把 Agent 和应用从开发到上线的流程放到一个平台上:托管应用、Agent 和数据存储,可以从 Cursor、Codex、Claude Code 等工具接入,也能用在线构建器。上线后平台会持续发现问题并给出修复方案。
点评:「自愈」是个很大的承诺,目前定价和可用范围都没公开,实际效果要等真实用户反馈。一站式托管省事,但平台绑定也更深。详情
6. LangChain:Agent 治理先从可观测性做起
LangChain 发文认为,很多组织知道 Agent 需要治理却不知从哪下手,OWASP、NIST 和欧盟的指南列了风险,却没讲怎么缓解、怎么验证有效。文章建议两件事:集中看到全公司所有 Agent 的运行情况,以及能看到单个 Agent 每次运行的完整轨迹。
点评:核心观点是护栏和额度限制并不保证 Agent 一定遵守,必须靠运行记录去验证。已经在内部上线 Agent 的团队,第一步不是写更多规则,而是先把每次调用、每个工具动作记下来。详情
7. 老手用 DeepSeek v4.1 Flash 加 Ghidra 做逆向
一位有 20 年软硬件破解经验的开发者分享了 AI 辅助逆向工程的流程:主力模型是 DeepSeek v4.1 Flash,看重它快和便宜,偶尔用 Codex;工具链是 Ghidra 加 MCP bridge,以及 radare2 等命令行工具。他会先让 Agent 判断二进制类型和平台,并要求它把发现实时写进 Markdown 文件,防止上下文压缩后丢线索。
点评:「让 Agent 边干边记笔记」这一招在任何长任务里都通用,和 OpenAI 性能工厂保存任务状态的思路一致。作者还强调要读完整的思考过程,及时纠偏。详情
8. Meta FAIR:让 Agent 自己摸索记忆方法
Meta FAIR 提出 Self-Improving Memory,先让元 Agent 改写管理记忆的 LOAD 和 OFFLOAD 两段提示词,再把学到的行为蒸馏进模型权重,基座是 Kimi-K2.6。在 3 个任务上,模型自己找到的记忆提示平均 56.0 分,人工写的最佳提示是 44.6 分,代码库任务上高出最佳人工方案 20.6 分。
点评:结论很实用:没有一种手写的记忆策略能在所有任务上都赢,按任务优化提示词收益明显。做长期运行 Agent 的开发者,可以把「记忆提示词」当成需要评测和迭代的对象。详情
信息来源
- The Verge:Gemini macOS 电脑操作
- Google:Gemini API Tool Retrieval
- DEV Community:Linear 编码 Agent BYOK 指南
- AgentMall:官网
- Volcano:Introducing Volcano Agent Cloud
- LangChain:Agent governance and observability
- Slow Chronicle:LLM 辅助逆向工程
- MarkTechPost:Meta FAIR Self-Improving Memory
- best2ai:11 月 20 日日报
更多每日 AI 热点见 best2ai.com
原创文章,作者:admin,如若转载,请注明出处:https://www.doc200.com/1888.html

微信扫一扫