AWS Quick 中技能与智能体如何协同工作
AWS Quick 通过智能体与技能配合完成可重复任务：智能体遵循指令、按需加载技能，并经连接器在用户可访问的数据源上执行操作。技能是可复用的指令集，系统技能支持生成 Word、PowerPoint、Excel、PDF 文档，以及网页浏览、运行代码、深度研究、音视频转写和图像生成。用户可构建自定义智能体并限定其可用的空间、连接器与技能，测试发布后共享给账户内其他用户和群组。
#MCP/工具调用
AWS Machine Learning BlogAI 评分4040 AWS Machine Learning BlogAI 评分4242 基于 Amazon Bedrock AgentCore 的可插拔智能体 AI 框架：七层可组合企业级参考架构
AWS 提出 Pluggable Agentic AI Framework，一套在 Amazon Bedrock AgentCore 上运行、分七层的可组合多智能体参考架构，用于把智能体应用从原型推进到生产规模。
AWS Machine Learning BlogAI 评分4040 AWS Quick 的智能体原语分类体系：触发器、智能体与能力
AWS Quick 团队提出一套智能体原语分类体系，用 When、What、Who、How 四个问题拆解智能体工作，对应触发器、智能体与能力三类原语。触发器既启动任务也携带指令，智能体被定义为持久、可学习的执行主体，能力则涵盖工具、技能与工作流。该框架多数设计对终端用户不可见，后续文章将介绍其智能体操作系统与后台学习。
AWS Machine Learning BlogAI 评分4040 基于 Amazon ECS Fargate 的无服务器 MCP 服务器：为 AI 智能体提供数据湖访问
亚马逊 NASC 团队在 Amazon ECS Fargate 上构建了无服务器 MCP 服务器，作为 AI 智能体访问企业数据湖的集中式网关。新增数据集只需一个 JSON 元数据文件，由服务器在下次管道同步时自动发现，无需为每个数据集编写集成代码。该架构支持任意 MCP 兼容客户端，并在 MCP 服务器层集中执行权限控制，测试中端到端交互延迟保持在 15–20 秒。
AWS Machine Learning BlogAI 评分4242 用 Okta Cross App Access 与 Amazon Bedrock AgentCore 管控 AI 智能体访问（上篇）
AWS 发布教程，演示如何用 Okta Cross App Access 与 Amazon Bedrock AgentCore 管控 AI 智能体代用户访问应用。
AWS Machine Learning BlogAI 评分4040 Greenlight Financial 如何在 Amazon Bedrock AgentCore 上构建自主 SOC 方案
Greenlight Financial 基于 Amazon Bedrock AgentCore 构建了自主安全运营中心（SOC）方案 Luna，每月最多 4,000 起安全与风险案例中逾 90% 无需人工介入即可解决。
AWS Machine Learning BlogAI 评分4242 在 Amazon Bedrock AgentCore 上以安全控制运行远程 Claude Code 会话
AWS 发布示例 sample-remote-coding-agent，演示如何把 Claude Code 作为远程智能体运行在 Amazon Bedrock AgentCore 上，每个任务在独立 microVM 会话中执行并返回 GitHub pull request。
Google DeepMind精选AI 评分7272 Google DeepMind 为 Antigravity 推出化学信息学技能
Google DeepMind 为 Google Antigravity 推出化学信息学技能（Cheminformatics Skills），基于 RDKit 并接入 ChEMBL 与 PubChem，可把药物发现中原本需要数天的单次迭代压缩到约一小时。
推荐理由：原文展示了化学信息学技能如何把数天的药物发现迭代压缩到一小时，并给出可复用的工作流细节。
Microsoft Research精选AI 评分6060 微软研究院发布 Flint-interactive，让智能体生成可交互数据可视化
微软研究院发布 Flint-interactive，一种构建在 Flint 之上的交互式数据可视化语言，让智能体生成可点击、筛选、缩放和跨图表联动的图表。它把点击、拖拽等原始触发解析为语义事件，用户只需用高层算子描述更新行为，布局与渲染依赖交由 Flint 编译器处理。用户可通过 Flint-MCP 和 MCP Apps 在对话中直接使用，开发者可用编程 API 构建仪表盘和数据故事。
推荐理由：微软研究院把交互逻辑交给编译器处理，让智能体用高层语义事件生成可点击、可联动的图表，减少反复调试。
GitHub Blog · AI & MLAI 评分5050 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：通过 .github/copilot-instructions.md 定义仓库级自定义指令，用 .github/skills 下的 agent skills 封装可重复流程，用 .github/agents 中的自定义智能体处理跨文件复杂任务，并通过 MCP 服务器连接外部工具与数据源。