AI让「做产品」不再稀缺,X-Agent:OPC的下一步是让Agent主动调用你的能力
相关推荐
Jev团队公开Coding Agent设计草案:每轮重新决定模型该看什么
动察 Beating AI 快讯,TypeSafe 创始人 Diogo Almeida 公开了一份 Coding Agent 设计草案,希望社区直接拿去实验。他直说团队大概率没时间自己把这些想法都做出来。 这份草案最核心的改动是上下文。现在的 Coding Agent 通常会一直带着之前的聊天、工具结果和代码状态,太长了再压缩或重启。TypeSafe 想让 Agent 每轮重新判断:继续沿用现有缓存,还是重新挑一份更合适的上下文;哪些保留全文,哪些只留摘要,哪些直接丢掉。 Almeida 认为,现有 Agent 不少设计都被 KV Cache 反过来绑住了。比如任务先切给便宜模型,再切回强模型,强模型可能还得重新读一遍长上下文,最后反而更贵;工具定义长期塞在系统提示词里,也会一直占空间。 上下文如果能动态重组,模型路由、Sub-agent、MCP 和 AGENTS.md 也能跟着按需加载。简单任务交给便宜模型,需要哪个工具再加载哪个,子 Agent 只拿和自己任务相关的状态。Almeida 暂时把这套思路叫「Meta-attention」。
X-Agent AI MCP Hackathon 获奖名单公布,两大赛道冠军出炉
ChainCatcher 消息,X-Agent 正式公布 X-Agent AI MCP Hackathon 2026 获奖结果。本届黑客松设置 Open Innovation 与 OlaXBT × X-Agent Trading Challenge 两大赛道,各赛道冠军将获得 500 USDT + 15,000 X-Points,两个赛道 Top 5 团队也将根据最终排名获得相应 X-Points 奖励。 其中,Sumplus Model Desk 获得 Open Innovation 赛道冠军,Strategy Increment 获得 OlaXBT × X-Agent Trading Challenge 赛道冠军。本次活动总奖励达到 1,000 USDT + 100,000 X-Points。 值得关注的是,X-Points 作为 X-Agent 生态贡献与参与度的重要记录机制,未来具备获得代币空投奖励的预期,进一步提升了此次 Hackathon 奖励的潜在价值。 X-Agent 表示,所有获奖团队将通过 GitHub 收到后续通知。通过此次 Hackathon,X-Agent 将继续推动开发者将真实 AI 能力从验证阶段推进至 MCP 产品化、Agent 分发与商业化落地。
Pi把「No MCP」划掉了:MCP正式内置,用Codemode绕开老问题
动察 Beating AI 快讯,AI 编程工具 Pi 在 0.99.0 中正式内置 MCP。官网原来的「No MCP」也被直接划掉,改成「Now with MCP+Codemode」。 Pi 没有把所有 MCP 工具直接塞给模型,而是加入 Codemode,让模型写 JavaScript 在沙箱里组合和调用工具。 Pi 此前一直公开反对这种 MCP 用法。作者 Mario Zechner 去年测试发现,Playwright MCP 的 21 个工具描述要占约 1.37 万 tokens,Chrome DevTools MCP 的 26 个工具约占 1.8 万 tokens。他认为工具太多既浪费上下文,也不好组合,工具输出还得先经过模型。 现在 Pi 换了一种接法。MCP 工具可以只暴露给 Codemode,模型再用 JavaScript 并行调用、组合和筛选结果,只把需要的内容送回上下文。工具也可以设置成延迟加载,不必一开始全部声明给模型。 Pi 团队 Earendil 也没收回此前的批评。它认为很多 MCP Server 仍然把大量工具和文本结果塞进上下文,工具组合问题也没有完全解决。 只是 MCP 本身已经在变化,Pi 也找到了一种更适合自己的接法:保留 MCP 的通用接口,再用 Codemode 避开过去最不满意的使用方式。
Jevgrep让Coding Agent少自己找代码:SWE-bench主模型成本降29%
动察 Beating AI 快讯,开发者 David 基于 Jev 开源了一个专门给 Coding Agent 找代码的研究工具 Jevgrep。 用户只要问一句「登录校验写在哪里」,它就会用 TypeSafe 的决策模型 Jev 逐层搜索代码库,找出相关文件和源码片段,再交给 Claude Code、Codex 等 Agent 继续修改和测试。 它主要解决 Coding Agent 很费 token 的「找代码」环节。Jevgrep 不会先把整个仓库塞给模型,也不是只做一次语义搜索。它会先判断哪些目录值得继续找,再检查相关文件和代码声明,最后返回源码片段、行号和后续阅读线索。仓库还提供了 Skill,让 Agent 知道什么时候调用 `jg` 收集上下文。 最新 SWE-bench 实验用了 10 个 Python 任务。使用 Jevgrep 和不用 Jevgrep 都完成了 8 个,但 GPT-5.6 Sol 的总成本从 7.62 美元降到 5.44 美元,减少 28.63%。作者最初在 X 上写的是 40%,仓库随后更新实验结果,目前已经改成「约 30%」。 不过,这个数字只统计 Sol 的费用,没有把 Jev 算进去。实验日志中能够确认的 Jev 调用费用已经至少有 1.57 美元,部分调用缺少完整计费记录,实际总额未知。此外,这组实验只有 10 个任务,而且每题只跑了一次。
Cloudflare给Coding Agent自动开「临时测试服」
动察 Beating AI 快讯,Cloudflare 上线 Worker Previews。 Worker 可以简单理解成跑在 Cloudflare 上的后端程序,比如处理 API、登录、数据库和网页请求。现在开发者或 Coding Agent 每新建一个 Git 分支,都能给这套程序临时开一个独立测试环境,改完代码直接部署进去试,不用碰正式网站。 这套测试环境有自己的网址、日志和运行状态,Durable Objects、Containers 等资源也能单独创建。Agent 因此可以自己完成改代码、部署、打开网页测试、看报错,再继续修改。 Cloudflare 以前也有 Preview URLs,但主要只是给某个 Worker 版本生成一个临时网址,背后的资源仍可能连着正式环境。现在每个分支都能单独跑一套,Agent 测试新代码时,就不用担心把线上服务一起搞坏。
Linux基金会Agentic AI基金会披露MCP调用量八个月激增98倍
PANews 9月16日消息,据Flop Labs称,Linux Foundation旗下Agentic AI Foundation称,ChatGPT用户发起的MCP工具调用量在今年1月至8月增长98倍,其相关SDK月下载量接近5亿次。次日,Bill & Melinda Gates Foundation加入该基金会董事会。Flop Labs指出,这些由AI agents而非用户直接发起的调用均按次计费,反映出由agents驱动的算力需求快速攀升,并称agents持有的资金应可直接兑换算力,这也是其代币$FLOP的设计基础。