01releases
ГлавноеMust read
Microsoft выпустила Agent Framework для production AI-агентов на Python и .NETMicrosoft releases Agent Framework for production AI agents in Python and .NET
Microsoft Agent Framework — открытый мульти-языковой framework для создания, оркестрации и развёртывания AI-агентов и multi-agent workflows на Python и .NET. Он ориентирован на команды, переводящие агентные системы из прототипа в production, и даёт единый фундамент для разработки и эксплуатации.Microsoft Agent Framework is an open, multi-language framework for building, orchestrating, and deploying AI agents and multi-agent workflows in Python and .NET. It targets teams moving agent systems from prototypes into production, providing a consistent foundation for development and operations.
TakeawayКомандам в экосистемах Python и .NET стоит оценить его как базовый слой для production-агентов. Появление крупного открытого framework усиливает стандартизацию агентных workflow.Teams in the Python and .NET ecosystems should evaluate it as a foundational layer for production agents. A major open framework further pushes the standardization of agent workflows.
02releases
ГлавноеMust read
Tencent открыла AI-Infra-Guard для red teaming агентов, MCP и LLMTencent open-sources AI-Infra-Guard for red teaming agents, MCP, and LLMs
Tencent Zhuque Lab представила AI-Infra-Guard — full-stack платформу AI red teaming для защиты AI-экосистем. Она включает сканирование агентов, skills, MCP и AI-инфраструктуры, а также оценку jailbreak-устойчивости LLM.Tencent Zhuque Lab has introduced AI-Infra-Guard, a full-stack AI red-teaming platform for securing AI ecosystems. It includes scanning for agents, skills, MCP servers, and AI infrastructure, plus LLM jailbreak-resistance evaluation.
TakeawayИнструмент можно включить в security-пайплайн перед развёртыванием агентных систем и MCP-интеграций. Это отражает смещение AI security от проверки одной модели к аудиту всей агентной поверхности.The tool can be added to security pipelines before deploying agent systems and MCP integrations. It reflects a shift in AI security from testing a single model to auditing the entire agent surface.
03research
СигналSignal
Nvidia: качество agent harness важнее самой модели для надёжных агентовNvidia shows the agent harness can matter more than the model
Исследование Nvidia показывает, что агенты могут выполнять задачи надёжно даже на не самых сильных моделях, если правильно настроены harness и fine-tuning. Работа акцентирует роль обвязки, которая удерживает агента от нецелевого поведения и задаёт устойчивый процесс выполнения задач.Nvidia research shows that agents can perform tasks reliably even with less capable models when the harness and fine-tuning are designed well. The work highlights the surrounding system’s role in keeping an agent on task and making execution dependable.
TakeawayПри разработке агентов стоит инвестировать не только в выбор модели, но и в evaluation, ограничения, инструменты и orchestration. Конкурентное преимущество всё чаще создаёт инженерная обвязка вокруг LLM.Agent builders should invest not only in model selection but also in evaluation, guardrails, tools, and orchestration. The engineering layer around an LLM is increasingly becoming a competitive advantage.
04companies
СигналSignal
Anthropic наняла ветерана Google chips для собственного hardware-направленияAnthropic hires Google chip veteran for its hardware push
Anthropic наняла Амира Салека, одного из основателей программы custom chips в Google. По данным Bloomberg, лаборатория закладывает основу для выхода в разработку собственных полупроводников.Anthropic has hired Amir Salek, a founder of Google’s custom-chip program. According to Bloomberg, the lab is laying the groundwork for a move into developing its own semiconductors.
TakeawayЕсли планы реализуются, Anthropic станет ещё одним AI-лабораторным игроком, стремящимся контролировать вычислительный стек. Это усиливает стратегическую ценность собственных accelerator chips и доступных мощностей.If these plans materialize, Anthropic will become another AI lab seeking control over its compute stack. This further raises the strategic value of proprietary accelerator chips and available capacity.
