Firma Amazon opublikowała wzorcową architekturę łączenia Bedrock AgentCore z prywatnymi interfejsami REST API oraz serwerami MCP w restrykcyjnych środowiskach sieciowych. Dzięki zastosowaniu bramy zasobów (resource gateway) VPC Lattice umieszczonej w dedykowanym VPC konta sieciowego, ruch między agentami a narzędziami wewnętrznymi jest wymuszany przez centralną zaporę sieciową.
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.
Firma AWS szczegółowo opisała trzy konfiguracje OAuth do łączenia agentów AI działających na Amazon Bedrock AgentCore z serwerami MCP zarządzanymi przez Snowflake. Wzorce te umożliwiają bezpieczne uwierzytelnianie użytkowników lub usług między warstwami agentowymi a narzędziami Snowflake Cortex.
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.
AWS wprowadziło Social Messaging Agent Runtime Toolkit (SMART) – zestaw SDK open-source i stos Terraform, zaprojektowany do zarządzania złożonością integracji z WhatsApp dla agentów AI opartych na Amazon Bedrock AgentCore. Automatycznie obsługuje uwierzytelnianie, przetwarzanie mediów, pamięć rozmów i ograniczenia 24-godzinnego okna wiadomości.
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.
Google uruchomiło „Tasks in Gemini” – nową funkcję pozwalającą asystentowi na wykonywanie wieloetapowych działań w tle. Aktualizacja obejmuje zautomatyzowane zakupy przez wirtualne karty Google Pay, zarządzanie zadaniami przez SMS, automatyzację przepływów pracy za pośrednictwem poczty elektronicznej oraz „Agentic Calling” do nawiązywania połączeń i dokonywania rezerwacji.
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.
Amazon Bedrock Managed Knowledge Base wspiera teraz wyszukiwanie tabelaryczne, umożliwiając agentom przetwarzanie danych bezpośrednio z plików CSV, XLSX i XLS. System wykorzystuje kod wygenerowany przez model w bezpiecznym, izolowanym środowisku typu sandbox do wykonywania obliczeń na całych plikach, łącząc wyniki z danymi z nieustrukturyzowanych dokumentów.
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.
Amazon wprowadził nową generację środowiska wykonawczego dla Bedrock AgentCore, przeznaczoną do obsługi złożonych i długotrwałych zadań AI. Aktualizacja wprowadza izolowane sprzętowo środowiska z szybszym uruchamianiem, większymi zasobami obliczeniowymi oraz lepszą efektywnością kosztową dzięki rozliczaniu opartemu na rzeczywistym zużyciu.
Organizacje mogą teraz wdrażać pełną usługę Managed Agents, w tym agentów i historię sesji, we własnej infrastrukturze. Zapytania do modelu pozostają elastyczne dzięki możliwości kierowania ruchu do wybranych dostawców.
AWS wspiera protokół A2A projektu Linux Foundation, umożliwiający bezpieczną współpracę autonomicznych agentów ponad granicami organizacyjnymi. Dzięki niemu agenci stworzeni w różnych frameworkach (np. LangChain czy Strands Agents) mogą wymieniać zadania i dane jako partnerzy, bez konieczności ujawniania logiki wewnętrznej czy współdzielenia haseł.
Amazon wprowadził wzorzec zabezpieczania agentów AI obsługujących wielu użytkowników poprzez ograniczenie zasięgu zapytań RAG do konkretnych osób. Rozwiązanie wykorzystuje bazy wiedzy z obsługą list kontroli dostępu (ACL) oraz przechwytywacz zapytań w bramie AgentCore Gateway, który deterministycznie wstrzykuje zweryfikowane tożsamości użytkowników do wywołań narzędzi, zapobiegając dostępowi do nieautoryzowanych danych przez LLM.