Google przekształciło swój system połączeń głosowych Duplex w ujednoliconą, agentową architekturę opartą na najnowszych modelach Gemini 4. Ta aktualizacja umożliwia Gemini obsługę złożonych, nieskryptowanych rozmów telefonicznych z firmami w celach takich jak rezerwacje usług czy sprawdzanie dostępności, wykraczając poza sztywne, wąsko wyspecjalizowane schematy.
BMW Group stworzyło solidne ramy zarządzania setkami autonomicznych agentów dla tysięcy programistów, przenosząc reguły zarządzania (governance) do potoków CI/CD, zamiast utrzymywać je w kodzie poszczególnych agentów. Dzięki wykorzystaniu Model Context Protocol (MCP) oraz trójwarstwowego modelu kompozycji (narzędzia, umiejętności i przepływy), organizacja zapewnia spójność bezpieczeństwa, jakości i poziomów autonomii w rozproszonych zespołach.
AWS zaktualizowało swoje środowisko pracy Quick AI o nową funkcję orkiestracji wielu agentów, umożliwiającą im jednoczesną pracę nad złożonymi zadaniami. Wydanie obejmuje również budowanie przepływów pracy za pomocą konwersacji, zaktualizowany interfejs aplikacji internetowej oraz nowe konektory dla Meta Ads i Amplitude poprzez serwery MCP.
Firma Amazon zaktualizowała system płatności Bedrock AgentCore, umożliwiając agentom AI bezpieczne kupowanie produktów wspierających protokół x402 z platformy AWS Marketplace. Agenty mogą odkrywać narzędzia i płacić w USD, a wszystkie wydatki pojawiają się na standardowej fakturze AWS użytkownika.
Amazon Bedrock AgentCore zaktualizował swój podstawowy szkielet do technologii Strands. Wprowadzono wbudowane możliwości, takie jak wyszukiwanie w sieci, planowanie zadań i automatyczne zarządzanie kontekstem, a także nowe haki cyklu życia (lifecycle hooks) umożliwiające deterministyczną kontrolę nad agentami.
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.
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.
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.
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.
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.
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.
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.
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.
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.