智能体工作正被完整循环、可见故障和可审计证据所评估
当天最强的信号是，在真实约束下对智能体工作的实际测量。MAC 和 TeleSWEBench 显示，智能体在设计另一个智能体和修复领域代码方面的自主性都有限。其余论文集中在让智能体输入、工具和运行时证据可审计。
主题概况
Agent Tooling
AI toolchain verification
MCP 服务器团队可以在工具到达代理之前加入描述与代码一致性检查。SDK 文档团队可以给审查代理加一层检索，找到支持断言的跨文件证据。LLM 服务团队可以在输出质量下降但系统未崩溃时，加入比较中间模型状态的差分诊断流程。