搜索
就在最近，英国前首相府数据科学家Liam Wilkinson，花一个周末搭了76个MCP工具，把Claude、GPT、Gemini等四个顶尖模型扔进了《文明VI》。结果，23场对局打完，其中一个AI造了核弹炸了法国——然后输了。
最近看到越来越多的一些国民级产品，开始把自己的一些能力，给封装称Skill或者MCP，来向大家开放，我觉得这个大家逐渐为Agent来做能力的趋势，越来越明显了。特别是前段时间瑞幸咖啡上线了AI开放平台，支持MCP、CLI、Skill三种接入方式。
Liquid AI 近期推出的 LocalCowork，正是直面这一矛盾的产物：单台笔记本，无需云端 API，数据绝不离机。凭借 67 个本地工具、13 个 MCP Servers，配合最新发布的 LFM2.5-8B-A1B 模型，它通过本地调用工具、解释结果以及可审计的工作流，解决了上述难题。
刚刚，Anthropic买下了SDK工具公司Stainless，从开源MCP到收购Stainless，Anthropic的智能体棋盘已集齐模型、接口、连接三件套。
刚刚 Anthropic 又给他们的官方 Managed Agents 加了俩功能：自托管沙箱 self-hosted sandboxes 和 MCP 隧道 MCP tunnels
Anthropic一口气甩出10个金融智能体模板，穆迪6亿家公司数据通过MCP打通，Office全家桶全线就位：这不是模型升级，是一次工作流入口的抢占。
早在2024年，人们还倾向于给Agent提供海量的工具（例如通过MCP协议连接的API、搜索引擎、代码解释器等）。但是，“拥有工具”并不等于“知道如何使用工具”。当任务变得复杂且长周期时，要求Agent每次都从头开始推理“该用哪个工具、何时用、怎么组合、出错怎么办”，会导致系统极度脆弱、延迟极高且不可靠。
今天早上，OpenAI突然宣布一个促销政策：未来 30 天内，企业用户如果迁移到 Codex，2 个月免费 Codex 用量。同期，桌面端还内置了迁移工具，可以把 Claude Code 的 system prompts、custom skills、chat history、MCP server 配置一键搬过来。
随着MCP、Agent Skills与各类Harness的快速发展，大模型能轻松调用成百上千种外部工具，但在多工具，具备复杂状态、长程交互的任务上仍有明显短板。尽管一系列环境扩展方法尝试复刻真实世界的交互环境（如订票系统，外卖平台），但仍受限于环境扩展的规模与真实性。
谷歌真是急了。 前脚刚传来消息，称谷歌联合创始人谢尔盖·布林重启“创始人模式”，亲自督战并组建精英“突击队”，全力提升Gemini在AI编程和自主智能体等关键能力上追赶Anthropic等对手。 后脚