Linux基金会宣布成立Tokenomics基金会，旨在为AI代币消费建立开放标准和最佳实践。该基金会将于6月在FinOps X正式启动，获得谷歌、微软等公司的支持。Tokenomics基金会希望通过行业合作，解决代币经济中的透明度和一致性问题。

MCP（模型上下文协议）是Anthropic于2024年推出的开放标准，旨在简化AI模型与外部工具的对接。到2026年，70%以上的主流AI客户端支持MCP。与传统API相比，MCP允许AI自动识别资源和工具，降低开发者的适配成本。MCP与API互补，适用于不同场景，AI集成优先使用MCP，传统软件通信则使用API。

三星电子推出APV编解码器，旨在提升手机视频的色彩准确度和细节保留。APV支持实时处理高达8K分辨率的视频，适用于社交媒体和专业编辑，并已成为全球开放标准，支持Android 16及多种后期制作软件。

MCP（模型上下文协议）在一年内从内部实验发展为行业标准，月下载量达到9700万，活跃服务器超过1万，获得Anthropic、OpenAI等公司的支持，推动了Agentic AI生态的形成。其成功归因于标准化设计、多语言支持和安全机制，彰显了开放标准和生态建设的重要性。

本文讨论了观察平台迁移的最佳实践，强调使用开放标准工具（如Prometheus和OpenTelemetry）以简化迁移过程。迁移前需记录关键数据，明确需求，逐步引入新平台，确保可见性。通过双重运行验证新系统的有效性，最终将流量转移至新平台，确保团队顺利过渡。

OpenAI推出了Frontier平台，旨在帮助企业构建和管理AI代理。该平台通过共享业务上下文，连接不同环境中的代理，支持人类团队“雇佣AI同事”。Frontier采用开放标准，促进不同公司构建代理，实现数字工作的高效管理。

软件迁移不再漫长，借助开源工具可在数周内完成。许多组织采用开放标准架构，数据通过Prometheus和OpenTelemetry等工具流动。迁移步骤包括优先处理重要仪表板和警报，逐步引入新后端，并验证新系统的有效性。最终目标是实现可控、低成本的观察能力，避免未来的锁定和高昂费用。

Anthropic于10月推出Agent Skills，旨在教Claude处理可重复的工作流程。该公司发布了Agent Skills规范作为开放标准，支持创建和部署可共享的技能。用户可通过Claude应用和API访问这些技能，新增功能包括技能包内容预览和中央管理设置，便于企业管理员管理技能。

Databricks SQL（DBSQL）解决了传统数据仓库速度慢、成本高的问题，平均速度提升5倍，支持无服务器运行和开放标准。2025年，DBSQL将引入自动性能管理、AI功能和开放SQL特性，帮助团队更快分析和决策，降低迁移难度和成本。

OpenAI与Anthropic、Block共同成立Agentic AI Foundation（AAIF），旨在推动开放、可互操作的AI基础设施，支持开发开放标准，确保AI系统的安全性和可移植性。OpenAI贡献的AGENTS.md已被超过60,000个开源项目采用。AAIF将促进AI的透明发展，欢迎各方参与。

统一数据、搜索和互操作性对国防任务至关重要。通过数据网格架构和开放标准，确保敏感信息的安全与可控，实现跨域快速查询与分析，从而提升决策效率和任务成功率。

在多域作战中，数据安全互通和主权至关重要。国防组织需实现数据敏捷性，确保信息在不同作战域间自由流动。开放标准和数据网格架构可促进系统间的安全集成，提高决策效率。AI技术能够快速分析海量数据，提供及时情报，增强国防能力，提升任务成功率。

MCP（模型上下文协议）是一种开放标准协议，旨在简化AI应用与不同数据源的连接。它采用宿主-客户端-服务器三层架构，允许通过统一接口访问多种资源和工具。基于JSON-RPC 2.0，MCP支持功能扩展和能力协商，确保互操作性和灵活性，帮助开发者提高开发效率，构建更强大的AI系统。

CNCF与Kubernetes社区推出认证Kubernetes AI一致性计划，旨在为AI工作负载建立开放标准，确保其在不同环境中的可移植性和可靠性，减少基础设施碎片化，助力企业在Kubernetes上可靠部署AI。

Vercel 提供了一种避免供应商锁定的云平台解决方案，开发者可以专注于框架代码而非特定平台。通过框架定义基础设施，应用程序可在不同平台间无缝迁移，无需修改代码。Vercel 强调开放标准，确保开发者的选择自由，提升软件质量。

开放媒体联盟计划在年底前推出新编解码器AV2，旨在提升压缩性能并支持AR/VR应用。AV2是AV1的升级版，解决了AV1的不足，特别适合体育节目。开发始于2021年，强调开放标准对行业的重要性，以适应不断变化的需求。

模型上下文协议（MCP）作为连接AI代理与外部数据的开放标准，在复杂环境中展现出显著价值。尽管MCP适用于多租户平台和复杂工作流，但在确定性集成和静态上下文中，传统API更为合适。成功应用案例包括GitHub和Atlassian，通过MCP提升了开发效率和自动化能力。