文章厘清了AI编程中界面、Harness、MCP与Agent的关系：界面供人使用；LLM只能生成文本，需由Harness解析工具调用语法并执行代码，才能调用工具。Claude Code等只是将Harness打包进应用，Harness本身可独立复用。MCP是让Harness访问外部资源的协议，类似菜谱而非工具。Agent即LLM与Harness的结合，不同Agent多为不同的Harness配置。

该博客文章讨论如何用4个Skill约束Coding Agent的过度设计问题，但正文内容缺失，仅剩标题，无法进一步概括实质内容。

Vercel Agent 先以只读权限调查问题，再提出包含任务与所需权限的计划，用户审批后仅授予该计划所需权限。权限基于作用域，受用户原有权限限制，令牌短期有效；计划与令牌共用同一权限定义以避免不一致，恢复工作需计划处于激活状态。文章还讨论了权限精度、只读调查的信息风险，以及沙箱、审计日志等配套安全措施。

本文综述Agent Harness研究：作为连接大模型、工具与执行环境的运行框架，它影响智能体任务执行的稳定性与安全性。文章精选8项研究，涵盖编码智能体的Harness设计实证、终端动作采样验证、机器人操作接口、可编程视觉生成、安全约束定制、Harness工程能力评测、递归自我改进及持续自进化机制，指出Harness正成为智能体执行效果与安全的关键基础设施。

英伟达扩展Agent Toolkit，新增Agent Knowledge Foundation，借助CUDA-X库及Nemotron Retriever、Kumo系列开放模型，将企业数据转化为智能体可用的业务洞察，无需迁移数据或改动治理。OpenShell提供安全运行时，NemoClaw提供安全智能体蓝图。Palantir、Databricks、Snowflake、SAP、ServiceNow、Zoom等企业已采用。

MiniMax正式发布M3.1 Flash（即此前匿名测试的“玉兔”）。其Agent能力突出，ALE得分29.6%居国产第一，Coding、网络安全、Computer Use均进入全球第一梯队，输出速度最快200+ TPS。价格极低：输入每百万Token 1元、输出4元、缓存读取0.1元，综合成本仅为上代M3的30%。文章认为小尺寸Flash模型已能正面对标旗舰模型，国产模型正以性价比推动大模型产业落地。

本文以 Koog 1.3.0 的 Kotlin API 为例，讲解 Agent 的事件与拦截器底座。自定义 feature 需实现对应 agent 类型的接口，并通过 install 注册拦截器，可覆盖 agent、策略、LLM 调用、流式、工具调用等生命周期；节点级拦截器仅限 graph 管道。事件对象可由 EventHandler 回调或 FeatureMessageProcessor 消费，Tracing 将事件转为消息交给 processor，OpenTelemetry 再将其翻译为 OTel span。内容审核是模型调用层的独立能力，不依赖 feature。序列化默认使用 KotlinxSerializer，可切换为 JacksonSerializer。测试可用官方 agents-test 的 mock 执行器离线验证。

文章借YOLO Data Agent的发布，讨论自然语言查数的工程风险：SQL可执行不等于答案可信，退款、时间归属、地区定义等指标口径须预先审核，遇歧义应追问而非猜测。多轮追问需保存结构化查询状态，仅修改用户明确变更的部分，并保留可追踪标识以便排障。数据库应采用只读隔离库，限制数据范围，设置超时与资源预算，权限在服务端校验；缓存标识不能只含提问文本，以免越权复用。建议先选口径稳定、可与现有报表核对的小场景试用。

FastAgent 与 Amazon Bedrock AgentCore 集成，将本地 Agent 迁移至云端，为 A 集团约 4000 家门店提供专属店长 Agent。AgentCore Runtime 支持按会话隔离、按需计费、免运维和弹性并发，单店月成本约 100 元。项目完成 Runtime 部署、Slack/飞书接入、EventBridge 定时任务、S3 跨版本状态恢复及 CloudWatch 日志观测。试点门店执行率超 80%，销售额提升 30%–50%。

谷歌提出Harness²，使Agent能在无标准答案的开放任务中递归地自我改进Harness。该方法采用双层递归：任务级通过“提出—探测—合成”流程，依据同一任务下的行为对照而非真值来判断改动；Harness级将有证据支持的改进存入可复用的改进库。单步改进在4种配置、3个基准上均带来提升，GLM-5在WorkBuddy上平均提升11.5分，弱模型受益更大。消融实验表明改进库、范围划分与合成均有贡献。局限在于行为对照不等于正确性验证，且改进本身存在成本。

文章讨论AI Agent争夺流量的现状：亚马逊、微信等一线平台封杀外部Agent，沃尔玛、京东等二线平台选择靠拢，多数网站仍不设防。Agent进入现有流量体系有蛮干、声明身份、拉联盟三种方式，均未走通。历史表明，谷歌搜索、微信红包、抖音短视频都是靠新场景、新交易、新内容吸引流量，传统平台和法规随后才跟进。结论是谁掌握新流量，谁就定义新标准。

Rust核心设计者Niko Matsakis认为，在AI Agent时代，Rust因其性能默认值和类型护栏而受青睐。他提出“软件工厂”三支柱：设计、构造、优化，Rust在后两者占优，设计仍是开放问题。测试和类型系统都不足以证明程序正确，需引入Verus、Kani等证明系统。反直觉的是，护栏越强，Agent优化越激进，性能反而更好。他提出北极星目标：不再有unsafe代码，并预测未来人类负责设计、Agent负责写代码，设计语言将成为新战场。