Google 为 Antigravity SDK 增加本地模型支持，核心是任务路由：按敏感度、能力需求、成本和风险，将任务分配给本地或云端模型。演示中云端仅用 95 个 Token 做规划，97.2% 在本地处理。文章提供纯 Python 路由示例，强调敏感数据留在本地、云端只传脱敏元数据、外部写入需审批，并指出本地不等于安全，失败时应关闭式处理，避免源码被静默上传。

Anthropic将Claude聊天与Cowork合并为统一界面，可自动路由任务，与OpenAI的Work模式趋同。作者用三项开发者任务对比测试：两者准确率相同，ChatGPT速度更快、输出token少约22%，但Claude细节更丰富，如补充API限制、标注舍入判断和百分位方法。作者最终选择Claude，认为细节更重要。

Vercel和Coinbase的CEO正在构建多模型生产系统，以避免依赖单一AI提供商。两家公司通过降低成本、任务路由和缓存优化，提高了AI模型的使用效率。Armstrong强调，基础设施的自动化决策将成为关键竞争优势。

AI编排是管理多个AI模型的层，负责任务路由、状态管理、工具调用和重试机制，确保任务按顺序执行并避免冲突。它协调不同AI的工作，处理复杂的多步骤任务。设计时需考虑模型的不确定性，确保流程稳健，避免因模型错误导致的失败。选择工具时应关注实际需求，保持简单有效。

MCP-Use是一个开源工具，简化了LLM与MCP服务器的连接，帮助开发者快速构建智能代理。统一的MCP客户端库自动管理服务器，处理任务路由和安全访问，使得开发旅行规划AI代理等应用变得高效简单。