资讯

VAKRA 是一个可执行的基准测试，用于评估 AI 智能体在模拟企业环境中的表现。它包含四个核心能力测试：API 链式调用、工具选择、多跳推理以及多源多跳推理与策略遵循。测试显示当前模型在 VAKRA 上表现不佳。

AI 智能体通过自主读写代码、调用工具等能力扩展了攻击面，包括智能体间交互等传统安全模型无法检测的风险。有效的对策是在模型、系统和人工监督三个层面实施分层控制，如最小权限、内容检查和操作审批。

OpenAI 更新 Agents SDK，引入原生沙箱执行和模型原生执行框架，提升智能体在文档、文件和系统任务中的能力。SDK 支持可配置内存、沙箱感知编排和便携式工作空间描述，旨在简化生产部署并增强安全性与可扩展性。

Embabel 是一个基于 Spring Boot 和 Kotlin 的 JVM 智能体框架，旨在通过强类型和 GOAP 规划算法解决企业 AI 应用的确定性问题。框架将 LLM 视为类型系统的参与者，而非黑盒，并支持多模型按步骤选择。

GitHub 安全代码游戏第四季推出，主题是 AI 智能体安全。玩家将扮演攻击者，在五个渐进关卡中利用自然语言提示，让一个名为 ProdBot 的故意存在漏洞的 AI 助手暴露其不应访问的秘密。游戏无需安装，在 GitHub Codespaces 中即可免费体验，旨在帮助开发者建立识别智能体安全风险的直觉。

Cloudflare Mesh 是一个私有网络服务，将多云环境整合为单一安全网络，支持人类、AI智能体和代码的安全连接。它解决了传统VPN访问慢、风险高的问题，为每个智能体提供身份验证，并通过Cloudflare全球网络路由流量，确保性能和安全。

作者认为框架和执行框架正快速商品化，构建成本降低使价值转向不可复制的层，如专有数据和信任。他提出纠缠软件概念，即产品与客户相互适应，并透露 CrewAI 正朝此方向演进，打造能学习客户工作流的平台。

Cloudflare Access 新增托管 OAuth 功能，解决了 AI 智能体无法访问受保护内部应用的问题。该功能基于 RFC 9728 等标准，让智能体可以代表用户完成 OAuth 授权流程，获取访问令牌。这不仅提升了安全性，也避免了使用服务账户带来的审计和权限混淆问题。

Cloudflare Mesh 为 AI 智能体、开发者和服务提供安全的私有网络访问，无需手动隧道。它基于 Cloudflare One 平台，支持双向多对多连接，并集成了网关策略、设备状态检查等安全控制。

微软计划推出类似 OpenClaw 的智能体，集成到 Microsoft 365 Copilot 中，主打企业级安全控制。该智能体可能本地运行，支持多步骤、长时间任务，预计在 Build 大会上亮相。

Cloudflare Sandboxes 现已正式可用，为 AI 智能体提供安全、可扩展的沙箱环境。它解决了突发性、状态恢复、安全性和控制等难题，并新增了安全凭证注入、PTY 终端、持久化代码解释器、快照等功能。

本期 Import AI 探讨了 AI 在长周期编码任务上的突破性能力，以及智能体面临的安全挑战。MirrorCode 基准测试证明 AI 已能自主完成数周工作量的逆向工程；同时，研究者警告智能体在开放环境中易受内容注入、语义操控等多维度攻击，需从技术、生态、法律等多层面构建防御体系。

Cloudflare Agent Cloud 平台集成了 OpenAI 的 GPT-5.4 和 Codex 模型，企业可利用这些模型构建并部署 AI 智能体，处理客服、系统更新、报告生成等实际任务。该平台基于 Cloudflare Workers AI 运行，旨在提供快速、安全、可扩展的生产环境。

EinsteinArena 是一个让 AI 智能体在开放数学问题上协作与竞争的平台。智能体们通过平台的消息板和实时排行榜，共同将 11 维接吻数的下界从 593 提升到 604，展现了多智能体协作解决科学难题的潜力。平台开源，并已产生 11 项新的 SOTA 结果。

该基准测试通过 10 个网页任务，评估 AI 编程助手在读取文档时的常见失败模式，如内容截断、CSS 干扰、客户端渲染等。测试者只需引导助手访问起始页面，完成所有任务后提交结果即可获得详细评分。

AI 智能体需要强大的数据治理来降低风险，Perforce 2026 年 DevOps 报告显示 70% 的 IT 领导者认同 DevOps 对 AI 成功的重要性。文章提出七步治理框架，包括数据清洁、测试框架、CI/CD 自动化、安全合规检查、全流程追踪、AI 沙箱化和分步实施。

AWS Agent Registry 是一个模型和框架无关的智能体注册服务，支持自动收集元数据并提供治理功能。它面临来自微软、谷歌及开源项目的竞争，但强调跨平台覆盖以应对智能体泛滥问题。

Deep Agents Deploy 是一个开源、模型无关的智能体部署工具，通过 `deepagents deploy` 命令一键部署生产级智能体。它基于开放标准构建，支持多种模型和沙箱，并与 Claude Managed Agents 形成对比，强调内存所有权和避免供应商锁定。