AWS 官方博客介绍了拜耳作物科学如何利用 Amazon Bedrock AgentCore 构建多智能体决策引擎（ADE），在生产环境中运行 22 个专有智能体以简化农业机器学习工作流。该系统采用 LangGraph 进行路由编排，通过 AgentCore Gateway 对接下游工具，在上线初期无需人工介入即可解决约 80% 的用户问题。
推荐理由：该案例展示了企业如何基于托管服务构建多智能体决策引擎，读者可以了解多智能体架构设计与生产环境落地的实际权衡。
AWS 官方介绍了如何使用 Strands Agents 构建自适应智能体框架（AAIF），通过本地运行的 SLM（如 llama3.2:1b）处理常规任务并进行智能调度，同时将复杂请求路由至 Amazon Bedrock 的云端模型。文章给出了在物联网监控场景下的参考实现、本地工具配置以及多部署架构的适配方法。
推荐理由：文章给出了用本地 SLM 结合云端模型构建自适应智能体框架的完整步骤，可以帮助开发者在降低 API 成本的同时保持低延迟。
Smartsheet 推出了一般可用状态的 Model Context Protocol (MCP) Server，允许 AI 助手通过标准化协议读取、写入和管理 Smartsheet 数据。该协议跨越 40 多个工具，支持用户通过自然语言更新任务状态、创建行及修改项目结构。文章展示了如何将其连接至 Amazon Quick 与 Kiro 等工作流。
Smartsheet 推出了基于 Model Context Protocol 的服务端工具，使 AI 助手能够通过标准化协议读取、写入和管理 Smartsheet 数据。该服务端跨越了 40 多种用于探索、创建和管理工作表及自动化的工具，支持用户通过自然语言直接更新任务状态并修改项目结构。文章重点介绍了如何通过 Amazon Quick 和 Kiro 将其连接到现有工作流中。
AWS 介绍了一种结合 Amazon Quick 与 Amazon Bedrock AgentCore 构建对话式供应链智能的端到端实现方案。该方案利用 Amazon Bedrock AgentCore 作为智能层，通过 Model Context Protocol（MCP）服务器将企业工具组合起来，使供应链团队能够通过自然语言跨系统查询和处理业务。
Eon 使用 Amazon Bedrock AgentCore 部署了统一的 MCP Gateway，取代了多云环境中的逐个工具凭证与本地 Model Context Protocol 进程。该方案为开发者和自主智能体提供了跨 AWS、GPR 与 Azure 的统一调查工具访问权限。新工程师的工具配置时间从原本的两天缩短至大约两分钟。
AWS 官方博客介绍了如何结合 Keyfactor EJBCA 与 AWS 服务，利用 X.509 公钥基础设施为多智能体系统提供密码学身份验证。方案通过签名请求信封、用户签名的委派断言、受众限定令牌以及实时 OCSP 吊销检查，解决了 Model Context Protocol 缺乏内置身份验证标准的安全缺口。
AWS 发布 AWS Agent Registry 托管服务，允许编排器在运行时通过混合搜索发现并动态加载 MCP 服务器、智能体及技能。该服务通过分离注册与鉴权机制，支持解耦发布与治理审批流，从而摆脱硬编码工具和频繁重新部署的限制。
推荐理由：文章介绍了 AWS Agent Registry 的运行机制与架构实践，开发者可以据此了解如何通过运行时发现替代硬编码工具。
本文介绍了如何使用 Strategy Mosaic 在 AWS 上为 Amazon Bedrock AgentCore 托管的 Strands 智能体构建语义层。文章详细阐述了在不进行 ETL 的情况下跨 Amazon Redshift 和 Amazon Aurora 建立两个链接模型、通过 Mosaic MCP 服务器暴露模型以及实现用户级安全性的方法。
AWS 官方介绍了如何结合 Denodo Platform 与 Amazon Bedrock AgentCore 为 Agentic AI 应用构建统一的语义层。
推荐理由：文章详细演示了如何在 AWS 上结合 Denodo 与 Amazon Bedrock AgentCore 构建多源联邦语义层，读者可以学习通过 MCP 和语义安全策略安全地支撑智能体访问企业实时数据的方法。
ShipStation Global 工程团队在 Amazon Bedrock AgentCore 上构建了 Deckhand，这是一个基于 Slack 的 AI IT 服务台智能体，可自动化处理日常 IT 问题并管理 Jira Service Management 工单。该解决方案实现了 97.5% 的进线频道查询解决率，并获得了员工 96% 的满意度评价。
GitHub 官方介绍了四种定制 GitHub Copilot 以适应特定项目需求的方法：使用自定义指令（Custom instructions）设定代码规范，利用智能体技能（Agent skills）封装重复流程，通过自定义智能体（Custom agents）处理复杂任务，以及借助 MCP 服务器连接外部工具与数据源。开发者可根据项目需求组合使用这些功能，从而减少重复解释标准与工作流的成本。
Cloudflare 宣布 Kitesurf 浏览器现已支持 WebMCP，允许智能体通过程序化方式调用网页功能。此次更新还增强了对 CSS 和模块加载等 Web 标准的支持，优化了浏览器引擎以降低智能体循环延迟，并新增了终端运行模式，支持开发者在终端直接渲染网页。
推荐理由：Cloudflare 为其智能体专用浏览器 Kitesurf 增加了 WebMCP 支持、终端渲染模式及更广泛的 API 覆盖，开发者可借此优化智能体与网页的交互效率。
GitHub 播客最新一期深入剖析了 AI 开发中的五大热门争议，指出 AI 并非要取代开发者的工作，而是改变了风险评估与流程管理的重心。针对 RAG、MCP 与 Skills 等技术，文章强调它们在实际开发中互为补充，而非竞争关系。开发者应通过提升对 AI 工具的判断力与使用流程的透明度，在代码质量、安全性与开发效率之间建立平衡。