Przejdź do treści
niedziela, 22 listopada 2026
Tenesys AI News
Subskrypcja

Agenci AI

Agenci AI, MCP, tool i function calling, agenci programistyczni i przeglądarkowi, systemy wieloagentowe.

“Agentai” — 10 artykułów ✕

Agenci· Ważne· 🧪 Warte przetestowania

Google wprowadza Tool Retrieval dla agentów w Gemini API

Google wprowadziło funkcję Tool Retrieval w wersji zapoznawczej dla Gemini Interactions API, umożliwiającą agentom ładowanie schematów narzędzi na żądanie. Dzięki trzymaniu w kontekście tylko nazw i opisów oraz pobieraniu szczegółów parametrów w momencie potrzeby, programiści mogą zarządzać dużymi bibliotekami narzędzi bez nadmiernego zużycia tokenów wejściowych.

Google AI
Agenci· 🧪 Warte przetestowania

FieldGuide: poprawa wydajności eksploracji dokumentów przez agentów AI

FieldGuide to nowy system, który organizuje zbiory dokumentów w hierarchie tematyczne, wspierając agentów AI w przeszukiwaniu danych. Badania wykazują, że pozwala on realizować zadania przy znacznie mniejszym zużyciu tokenów i w krótszym czasie w porównaniu do standardowego RAG.

arXiv cs.CL
Agenci· Ważne· 🧪 Warte przetestowania

Skalowanie przeglądu kodu za pomocą systemów wieloagentowych

Google udostępniło Sashiko, system agentowy wykorzystujący Gemini 4 Carbon do weryfikacji łatek jądra Linux. Rozdzielając wykrywanie błędów od weryfikacji opartej na dowodach, udało się znacząco obniżyć wskaźnik poprawek po scaleniu kodu.

Google Cloud AI
Agenci· Ważne· 🧪 Warte przetestowania

Microsoft i Salesforce integrują agentów AI przez Copilotforce

Microsoft i Salesforce uruchomiły Copilotforce, inicjatywę integrującą dane klientów i procesy Salesforce z Microsoft Copilot i Teams. Partnerstwo wykorzystuje uwierzytelniony dostęp MCP, umożliwiając agentom AI działanie na danych CRM przy zachowaniu istniejących zasad bezpieczeństwa i uprawnień.

Microsoft
Agenci· Ważne· 🧪 Warte przetestowania

Fazowy model skalowania bezpiecznych systemów agentowych AI

Firma Amazon opublikowała trzystopniowy plan mający pomóc zespołom platformowym i aplikacyjnym we wdrożeniu odpowiedzialnego podejścia do systemów agentowych AI. Plan pomaga zarządzać wyzwaniami takimi jak niedeterministyczne zachowania, izolacja granic danych oraz zgodność z przepisami podczas przechodzenia od fazy pilotażowej do produkcji.

AWS Machine Learning
Agenci· Ważne· 🧪 Warte przetestowania

System Trident poprawia wydajność agentów LLM poprzez ewolucję w czasie testów

Naukowcy wprowadzili Trident, system zaprojektowany w celu usprawnienia pracy agentów opartych na LLM poprzez rozwiązanie trzech problemów: nieefektywnego pobierania informacji, redundancji zachowań oraz ryzykownego nadpisywania całej logiki agenta. Dzięki zastosowaniu inteligentnego czytania pamięci, routingu opartego na różnorodności oraz aktualizacji przez wstawianie, Trident przewyższa obecne metody refleksji i pamięci.

arXiv cs.CL
Agenci· Ważne· 🧪 Warte przetestowania

Amazon Bedrock wprowadza zautomatyzowaną pamięć dla rozwiązań agentowych

Amazon Bedrock uruchomił nową funkcję obsługi pamięci dla AgenticRetrieveStream. Automatyzuje ona przechowywanie, ekstrakcję i przywoływanie faktów oraz historii rozmów użytkownika, co pozwala agentom udzielać odpowiedzi świadomych kontekstu przy zachowaniu rygorystycznej kontroli dostępu do dokumentów.

AWS Machine Learning
Agenci· Ważne· 🧪 Warte przetestowania

Skalowanie platform agentowych za pomocą MCP i Amazon Bedrock AgentCore

MoEngage zintegrowało agentów AI ze swoją platformą zaangażowania klientów, wykorzystując Model Context Protocol (MCP) oraz Amazon Bedrock AgentCore do przekształcenia istniejących API w narzędzia wywoływane przez agentów. Traktując swoją platformę jako architekturę izolowanych sesji i zestandaryzowanych schematów narzędzi, firma umożliwiła zespołom automatyzację przepływów pracy i podejmowanie decyzji w ramach jednej konwersacji.

AWS Machine Learning
Agenci· Ważne· 🧪 Warte przetestowania

TokenEconomizer obniża koszty agentów programistycznych dzięki optymalizacji opartej na doświadczeniu

TokenEconomizer to nowa wtyczka open-source, która pozwala agentom programistycznym AI uczyć się z poprzednich sesji w ramach konkretnego repozytorium. Śledząc powtarzające się wzorce, usuwając zbędne narzędzia i zapobiegając pętlom awarii, znacząco redukuje zużycie tokenów bez zmiany agenta lub jego bazowego modelu.

Microsoft Research
Agenci· Ważne· 🧪 Warte przetestowania

Google Cloud wprowadza natywną obserwowalność i nadzór dla agentów AI

Google uruchomiło ujednolicony system obserwowalności dla agentów AI, zintegrowany bezpośrednio z platformami BigQuery i Looker. Rozwiązanie umożliwia programistom przesyłanie logów i telemetrii z agentów własnych oraz zewnętrznych (np. LangGraph) do własnych tabel w BigQuery w celu monitorowania wydajności, oceny jakości i zarządzania kosztami.

Google Cloud AI