MoEngage 如何利用 AgentCore Gateway 将 400 个内部 API 转化为智能体工具
MoEngage 结合 Amazon Bedrock AgentCore Gateway 搭建了中央托管式 MCP 架构，成功将跨 7 个 AWS 区域运行的约 400 个内部私有 REST API 接入 10 个内部智能体。
#MCP/工具调用
AWS Machine Learning BlogAI 评分5757
AWS Machine Learning BlogAI 评分5454 AWS 详解基于 Amazon Bedrock AgentCore 构建企业级智能体平台
AWS 架构师团队详细解析了基于 Amazon Bedrock AgentCore 构建企业级智能体 AI 平台的参考架构与开源蓝图。该方案采用联邦运营模式，将集中式平台控制面与各业务团队独立隔离的 Workstream 单元解耦，配备独立的推理网关和基于 MCP 协议的工具网关。
AWS Machine Learning BlogAI 评分3636 用 AWS CDK 在 Managed Amazon Bedrock Knowledge Base 上构建智能体检索
文章演示如何用 AWS CDK 以 Python 单命令部署一套企业级智能体检索系统：智能体在 Amazon Bedrock Managed Knowledge Base 上判断是否检索、在多个知识库间做语义路由，并经 AgentCore Gateway 通过 MCP 调用检索、由 AgenticRetrieveStream 返回带引用的答案。
AWS Machine Learning BlogAI 评分4242 拜耳作物科学如何用 Amazon Bedrock AgentCore 与 AWS Unified Operations 构建智能体决策引擎
拜耳作物科学基于 Amazon Bedrock AgentCore 构建了智能体决策引擎 ADE，作为 CDE 之上的多智能体自然语言界面，由 supervisor agent 将问题路由到专业 agent。
Hugging Face Blog精选AI 评分6464 ThinkingBox 把数据库终态校验变成 RL 奖励训练 Agent
微软与 Hugging Face 发布 ThinkingBox-Training，把数据库终态的可执行校验结果当作强化学习奖励，对 Qwen3.8-27B 做 50 步 GRPO 后，pass@1 从 51.70% 升至 60.78%，20 次全部正确的任务从 38 个增至 107 个。
推荐理由：原文给出用数据库终态校验当强化学习奖励的完整训练流程与开源代码，读者可据此复现或迁移到自家 Agent 任务。
GitHub Blog · AI & MLAI 评分3434 三位 Java Champion 如何用 GitHub Copilot 提升生产力
三位拥有 10 年以上 Java 经验的 Java Champion 分享了用 GitHub Copilot 在生产和开源项目中提效的实践。Vlad Mihalcea 用 Copilot 在 IntelliJ IDEA 中把原本需数周的应用开发缩短到两天，并按任务切换模型，复杂推理用带 100 万上下文窗口的 Opus。
Mistral AI精选AI 评分7878 Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 系列语音模型和基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说合成一条实时流式管线，单轮响应在 1 秒内。
推荐理由：Mistral 一次性发布语音转写、语音合成和语音智能体 SDK 这整套语音栈，并给出价格与基准对比，读者可据此评估自建语音 Agent 的成本与替代方案。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：在 .github/copilot-instructions.md 写入仓库级约定，在 .github/instructions 下用 applyTo 指定路径级规则，在 .github/skills 中以 SKILL.md 打包可复用流程，在 .github/agents 定义自定义智能体。
GitHub Blog · AI & MLAI 评分5252 GitHub Copilot app 入门：如何用 canvases 构建自定义工作流
GitHub Copilot app 介绍了用 canvases 构建自定义工作流的方法：在 agent 会话中输入 /create-canvas，再用自然语言描述工作流、自己可做的操作和 agent 可做的操作，agent 就会生成界面并打开在右侧面板。