Colab MCP实战：把本地Agent接到云端Notebook
Google 已经把 Colab 做成一个 MCP Server：任何兼容 MCP 的 Agent，都可以把 Colab Notebook 当成远程可执行工作区，创建和重排 Cell、写 Python、执行代码、安装依赖，并把结果保存在一个可人工接管的 Notebook Artifact 里。
GitHub 这次 7 小时 47 分钟事故，最值得抄进自己系统的不是“多加机器”，而是先把 Retry Loop 关进笼子
这次事故持续 **7 小时 47 分钟**，影响了 github.com、认证、GitHub Actions、API、Pull Request、Issue 和 Copilot。
Stampli 把 243 小时发布工作压到 77 小时：真正值得学的不是“AI 帮市场部写稿”，而是把产品事实做成共享工作流
3.16× faster launch to production
现在最危险的钓鱼越来越不像“钓鱼”：Google 昨天披露的 OAuth、App Password 和设备绑定攻击，正好给 Agent 身份设计上了一课
Google Threat Intelligence 昨天公开了一组针对高风险人群的长期攻击活动。
从 AI Studio 到生产，真正让项目翻车的往往不是模型：Google 昨天列的三个“原型悬崖”很现实
Google Cloud 昨天发了一篇很接地气的文章，题目大意是：
Raspberry Pi 5 上跑本地 Agent 已经不是玩具：Gemma 4 E2B 9 token/s、峰值内存 1432MB，真正有意思的是 CPU/GPU 分工
Google 最近公开了一套 Raspberry Pi 5 上的 Edge AI 实现。
不要把用户 OAuth Token 直接塞给 Agent：用 Spring Boot 做一个 Delegated Authority Gateway
网关根据用户连接、组织角色、Agent Policy 和当前 Run，签发一个短期 Execution Grant。
手搓生产级 AI Agent 系统（17）：Agent Identity 与 Delegated Authority——让每一次工具调用都能回答“谁授权、代表谁、为什么做”
前十六篇已经把生产级 Agent 从任务规划、Tool Calling、Memory、Checkpoint、Human-in-the-Loop、多 Agent 协作、安全沙箱、质量门禁、Control Plane 一直推进到 Agent Registry 与 Capability Marketplace。到这一阶段，平台已经能回答“有哪些 Agent”“有哪些能力”“一个 Run 现在做到哪”“某
Google 今天演示了一个会“自我改 Prompt”的 Agent：40% 跑到 90% 之后，它也学会了怎么刷分
今天 Google Cloud 安排了一场很有意思的 Agent 实验：让一个旅行规划 Agent 自己改自己的规则。
Claude 这次不是“预测蛋白质”，而是自己跑了 24—48 小时设计实验：1320 个方案里 354 个真结合了
8 月 18 日，Anthropic 放出了一份很值得看的实验：不是让 Claude 回答生物学问题，而是让它完整执行一轮 de novo protein binder design。
OpenAI 这组企业数据让我改了一个判断：AI 落地的分水岭已经不是“有没有账号”，而是有没有把个人用法变成共享工作流
Codex 占企业客户 Codex + ChatGPT 输出 Token 的 64%
MCP Server 真上云以后，我最不建议做的事就是继续用 API Key：Cloud Run 这套 OAuth + IAM 值得照着抄
昨天 Google Cloud 的 Wednesday Build Hour 主题之一就是：
Tool 越接越多以后，Agent 最先坏掉的不是模型，而是“到底谁能用什么”：我用 Spring Boot 做了一个 Capability Registry
这时候最常见的问题不是“模型不知道怎么选工具”，而是平台自己已经不知道：
Anthropic 拉了 45 个 Agent 一起找漏洞：266 个结果很亮眼，但 2700 万 Token 也把“多 Agent 更强”这件事讲复杂了
Agent 可以在论坛里交流，也会互相 Peer Review。最后再由单独的 Arbiter Agent 判断提交的漏洞是不是新的、是不是有效。
手搓生产级 AI Agent 系统（16）：Agent Registry 与 Capability Marketplace——让 Tool、Skill、MCP 和 Agent 可以被发现、授权与复用
前十五篇已经把生产级 Agent 从单体运行扩展到了 Planner、Tool Calling、Memory、Checkpoint、Human-in-the-Loop、多 Agent 协作、安全沙箱、评测发布和 Control Plane。系统现在已经能“管住 Agent”，但随着 Agent、Tool、Skill、MCP Server 和 Workflow 数量增长，新的问题开始出现：能力散落在
OpenAI 为 Astra 暂停了两周前沿模型 RL：我更在意那 20% 的安全监控算力开销
8 月 18 日，OpenAI 公布了一件很少见的事：为了加强安全监控，他们**暂停了两周最新待部署模型的强化学习训练**。
Asana 把一个“要做 5 年”的前端迁移压到 2 周：最反常识的细节是 Prompt 只有 5 句话
昨天 OpenAI 公布了一个很适合工程团队研究的 Codex 案例。
OpenAI 8月18日新版 Model Spec：做 Agent 的人最该盯住的其实是“无权限数据”和副作用
8 月 18 日，OpenAI 更新了 Model Spec。
Box 开始把表格、图表和整页 PDF 直接塞进同一个向量空间：传统 RAG 的“先转纯文本”正在过时
昨天 Google Cloud 和 Box 公布了 Gemini Multimodal Embeddings 2 在 Box Agentic Platform 里的一个企业级落地方向。
别把每条 Kafka 消息都扔给 Agent：高吞吐 AI 流水线真正省钱的地方，是先把 90% 的普通事件挡在模型外
昨天 Google Cloud 写了一篇很“工程”的文章：用 Dataflow + Agent Development Kit 做高吞吐生成式 AI 流水线。