依意思最接近的 11 筆
OpenAI 開發者帳號宣布，Annotations 與 WebMCP 配對使用，可為 agent 提供更多可供行動的上下文。官方舉例來自開發者 @kagigz：他用自訂註釋控制元件與建議提示詞，讓使用者在 ChatGPT 的瀏覽器中編輯場景、更新支出。原文未披露 WebMCP 的適用範圍、可用時間或接入方式。
作者搭建了魔獸世界私服 jankcraft.xyz，並開發瀏覽器客戶端，PC 和手機均可免費遊玩。隨後用自訂 MCP 與 agent harness 通過 websocket 控制客戶端，讓 LLM 自動玩遊戲，agent 頁面已上線。本地模型需服務端開啟 CORS，作者自託管的幾個模型可能因用量增長下線；24GB 記憶體可跑 Qwen3.8-27B-GPTQ-W4A16，16GB 記憶體可用 vLLM 跑 Gemma4-e4b-coder。
過去五個月，Google 等五個組織承認存在一類漏洞：攻擊者利用內部網路中的 MCP，讓一個 agent 向其他 agent 傳播惡意指令。獨立研究員 Syed Anas Mohiuddin 對 Google、摩根大通、Weviate、Rapid7、法國政府部際數字總局與美國聯邦政府的 agent 做了概念驗證攻擊。該手法是一種針對特定 agent（如翻譯、資料分析）的提示注入，這類 agent 自身的護欄往往鬆懈，下游 agent 因信任上游而執行指令，因此意外且難以緩解。
Google 宣布 Developer Knowledge API 與 MCP Server 進入公開預覽，為 AI 助手和 agent 平台提供機器可讀的官方文件檢索方式。該工具覆蓋 Firebase、Google Cloud、Android 等產品的文件，開發者可通過官方 MCP server 將工具直接接入 Google 的文件語料庫。這樣 AI 生成的程式碼與建議就能基於權威、即時的上下文。
Google Maps Scraper 發布遠端 MCP 伺服器，AI agent 可通過 https://gmapscrawl.com/api/mcp 搜尋商家並獲取結構化資料。單次最多返回 20 條商家資訊，包含地址、聯絡方式、評分與評論數，以 JSON 格式輸出。使用 Bearer API key 認證，支援 Claude Code、Cursor、VS Code、Codex 等相容遠端 HTTP MCP 的客戶端。實際使用需 API 權限，線上訂閱不包含該服務。
YC W25 孵化的創業公司 Weave 正在招聘機器學習、AI、產品與設計方向的工程師。招聘資訊掛在 Ashby 招聘頁（jobs.ashbyhq.com/workweave），並以招聘帖形式出現在 Hacker News，目前該帖暫無評論與點數。資料未披露職位數量、薪資範圍與工作地點。
Cloudflare 宣布與 Ceramic.ai、Exa、Linkup 合作，通過 AI Gateway 提供 Web Search API，讓 agent 用搜尋查詢替代猜測 URL 抓取網頁。該 API 支援 AI Gateway 積分計費、日誌觀測、BYOK，並按合作方原價提供、不加價，同時提供 REST 介面與 Workers 繫結。合作方爬蟲須符合 Cloudflare 的 Verified bots 標準，遵守 robots.txt 並標註內容來源。
Cloudflare 的 Web Search API 進入公測，讓 AI agent 與應用能聯網搜尋，用即時資訊替代猜測 URL 或依賴模型訓練截止日期。上線時可選 Ceramic.ai、Exa、Linkup 三家搜尋提供商，三家均支援通過 Cloudflare 發起的請求零資料保留，並承諾遵守 Cloudflare 的驗證爬蟲標準。
llama.cpp 合併 PR #29483，為 WebGPU 的 MMVQ 路徑新增 Q1_0、Q5_0、Q5_1、Q3_K、Q5_K、Q6_K 和 MXFP4 量化支援，併為 Q1_0 引入 K_QUANTS_HANDLING 宏。該改動擴充套件了 WebGPU 後端可加速的量化模型範圍，相關建置覆蓋 macOS、Linux、Windows、Android 及 openEuler 等多個平台。
Weave（YC W25）開放 12 個全職崗位，全部為 Weave HQ 現場辦公，其中工程類 7 個、銷售類 4 個、營銷類 1 個。工程崗位包括 Founding AI Engineer、Founding ML Engineer、Founding Design Engineer、Founding Product Engineer、Forward Deployed Engineer、Founding Developer Relations 與 Field CTO。
斯坦福李飛飛、吳佳俊等團隊發布開源世界動作模型框架 OpenWAM，用共享底座加可切換的互動方式，回答 WAM 裡究竟是哪個設計帶來提升。框架基於阿里 Wan2.2-5B，先在約 334 萬條、約 1.46 萬小時機器人影片上做因果化預訓練，再用 MoT 拼起 5B 影片專家與 2B 動作專家，支援四種先想或先動的互動程式。因果底座把 LIBERO-Long 成功率從 68.4% 拉到 97.8%，配反事實資料的區域性 IDM 遷移到新任務平均達 84.0%。