14 個 AI Agent 框架工具 Schema 比較:只有 5 個預設將參數描述寫入 JSON Schema
Sarath Kavuru 以同一個附有 Google 風格 docstring 的 Python 函數,比較 14 個 AI Agent 框架於 2026-11-21 預設生成的工具定義;只有 5 個把六項參數描述寫入 JSON Schema,8 個將 Args 區塊留在工具描述中,AutoGen 則以參數名稱代替描述。
Sarath Kavuru 以同一個附有 Google 風格 docstring 的 Python 函數,比較 14 個 AI Agent 框架於 2026-11-21 預設生成的工具定義;只有 5 個把六項參數描述寫入 JSON Schema,8 個將 Args 區塊留在工具描述中,AutoGen 則以參數名稱代替描述。
Agent Skills Hub 按 43 條靜態規則評級逾 138,000 個開源 AI 智能體技能及 MCP 伺服器,發現 GitHub 星數少於 20 的倉庫嚴重安全風險旗標率約高 9 倍。
Team Cymru 的研究分析以中國為關聯的間諜活動如何透過惡意軟件基礎設施及隱蔽中繼網絡,針對金融服務業。2026 年 1 月 1 日至 6 月 1 日,該公司識別出 64 部符合已知 ShadowPad 指揮控制模式的伺服器,以及 115 部符合 Vshell 模式的伺服器;這些是基礎設施觀察數據,並非遭入侵銀行數目,亦未歸因至特定威脅組織。
一項系統性回顧分析 88 項聲稱與生產環境相關的 LLM 智能體研究,發現長期可靠性、監控覆蓋、故障恢復及對抗穩健性四項均未報告的研究佔 73%。在 314 項研究的更新樣本中,四項缺口各自在至少 82% 的研究中未報告,四項同時缺失的比例為 61%。論文提出部署前五步清單,包括補測四項缺口、在 CI/CD 設置質量閘門,以及上線後持續監測並把變化納入離線評估。
ONAA 測試 AI 智能體在 14,991 間商店購物,49% 可無人協助到達準備付款,但沒有商店讓智能體首次自行完成付款。其中 3,513 間商店列為買家一次批准 Shop Pay 後,智能體可自行付款;報告沒有觀察實際付款步驟。樣本只涵蓋已宣傳支援智能體購物的商店,數據截至 2026 年 11 月 15 日,且尚未獲任何商店核實。
研究提出 SilentGuard,將判斷由 LLM Agent 移至執行工具調用的 harness,透過不變量檢查攔截可能錯誤的 API 結果。在 7 個開源模型中,目標故障的錯誤答案率由 74.0% 降至 1.7%;在三個 frontier models 中則由 70.2% 降至 0.5%,且無故障任務表現未受損。
NestDaddy 首輪測試官方 MCP 登錄庫中的 37,383 個遠端伺服器,當中 33,496 個(89.6%)有回應。21,049 個無需金鑰便展示工具,12,447 個先要求金鑰;成功展示工具的伺服器合共列出 292,447 個工具,初始化回應時間中位數約 500 ms。
IsoKron 審計 GitHub、Grafana、PostHog、Kubernetes 四個 MCP 伺服器,發現測試中出現並行更新遺失或過期資料覆蓋。
DoSync 開源協議論文獲 IEEE CCNC 2027 旗下 IoT Interoperability and the Web of Things(IIWOT)Workshop 同行評審接納。方案以九項確定性保證管控 AI 意圖與異構 IoT 裝置,並在 Raspberry Pi 5 上以低於 10 ms 延遲本地執行,無須依賴雲端。協議架構、規格及實作均保持開源。
Agentic Paycheck 隨機抽查官方 MCP Registry 的 50 個遠端伺服器,發現 27 個(54%)在 initialize 階段返回 401,沒有密鑰的 Agent 因而無法查看伺服器提供的工具。
MCP 伺服器掃描器新增 4 項被動檢查並重掃同一批主機,125 台本週可連線的伺服器中有 121 台觸發傳輸安全標頭檢查,佔 96.8%。這些數字只反映 4 項低成本檢查在公開伺服器上的結果,並非 MCP 伺服器質素基準;掃描沒有執行 4 項新的主動檢查。
Correctover 被動探測官方 MCP 登記庫中 57 個宣稱支援 Streamable HTTP 的伺服器,發現 37% 可在零驗證下完成握手。當中 76% 會向未完成協議握手的呼叫者回傳完整工具清單,審計原始數據及可重播腳本見 github.com/DSHCorrectover/mcp-session-audit。
論文提出開源物理引擎 Alloy,讓剛體機械人、布料、纜線、液體、顆粒材料和軟性物體在同一場景中用於機器人學習。Alloy 按材料分配求解器,在每個控制步內耦合求解,並可在單張 GPU 或 CPU 上並行運行多個世界;每個世界均設有健康評級,以區分物理模擬故障與策略故障。
Anclum 盤點其目錄內 6,542 個 MCP 伺服器項目,僅 62 項(0.9477%)列有安裝指令,其中 38 項為單行格式。這 38 項中,36 條屬下載並執行套件格式,2 條只登記伺服器;另有 24 項需要兩步或以上,作者亦修正了 6 條無法啟動所述伺服器的指令,以及 3 條句末多出句號的指令。
osFoundry 的公開 MCP listing 會在每頁 record channel 預覽中一併返回 schema,讓 Codex 按各 channel 的欄位與選項提交有效值,而非把畫面標籤當成儲存值。
Black Kite 的 2026 AI 供應鏈報告評估 18,160 家 AI 公司,發現 34.2% 至少有一項外部觀察到的關鍵未修補漏洞,並將風險延伸至供應商的軟件依賴及產品獲授予的整合權限。
Reframe 提出兩階段後訓練框架,透過以證據為依據的強化學習及觀察狀態門控的在線策略蒸餾,提升視覺智能體的工具使用能力。框架包含 GD-GRPO 和 OG-MOPD,在 14 個圖像及影片基準測試中均優於 Mix-RL 和 vanilla MOPD。兩個階段均不需要針對任務的 SFT 冷啟動。
小米科技聯合北京大學發布《物聯網設備模型(Thing Model)技術白皮書》,公開在11.6億台設備上驗證的技術和經驗。白皮書提出四層物模型架構、Dynamic Service 動態服務機制及面向 AI 智能體的「能力契約」,並支援 MCP、Function Calling 等接口對接。小米表示將配合國家相關標準建設,推動 IoT 行業的 AI 智能化演進。
小米科技聯合北京大學編寫的《物聯網設備模型(Thing Model)技術白皮書》正式發布,分享小米超 11.6 億台 AIoT 設備的規模化實踐。白皮書提出四層物模型架構與 Dynamic Service 動態服務機制,並制定面向 AI 智能體的「AI 友好物模型」標準。小米宣佈向全行業開放相關技術和經驗。
作者以 mcpscore 1.31.0 審核 MCP Registry 中 15,680 個完成完整工作階段的伺服器,發現 869 個(5.5%)提供 MCP Apps,當中 68 個至少有一項問題。
這份 AI 安全綜述整理 2026-10-18 至 2026-11-08 的研究與工程文章,聚焦攻擊從提示詞轉向 LLM 智能體信任的工具呼叫、MCP 協定及技能檔案。
Lumière PayCheck 測試 x402 端點,最新評級付款測試中 95.1% 的端點交付清單承諾的資料。126,291 次測試嘗試中,49.1% 未能完成付款,最常見原因是端點收款後再次回覆 402。作者建議 Agent 付款前先查閲端點評級,並核對回應資料欄位,而非只看狀態碼。
一項美國學術合作研究量化 AI 智能體工作流中的 token 浪費,發現約 18% 的輸出 token 屬浪費。研究指出,超過 45% 的任務中,一個智能體浪費的輸出 token 多於另一個成功完成相同任務所用的全部輸出;刪除 41–46% 的推理,在測試中對成功率影響有限。按模型及工具使用成本計,浪費比例介乎 11% 至 24.9%,而同一模型在不同智能體框架下的推理輸出可相差逾四倍。
SchedCP 以 MCP server 分隔 AI 對工作負載的分析與系統安全執行,讓 sched-agent 選擇、生成及測試 Linux 排程策略。研究案例錄得最高 1.79x 核心編譯速度提升,生成時間及成本減少 13x。作者將評估定位為初步研究,並非已證明適合投入生產。
一篇 ArXiv 論文指出,程式碼簽署及靜態政策無法防止 MCP 工具把資料外洩至政策允許的目的地,並提出 germline execution,隔離每次工具呼叫的資料流。在 153 次攻擊測試中,該方法阻止所有未授權資料披露;基線防禦仍有 5.9-74.5% 的攻擊成功。由單一副本處理的呼叫需時 10-49 ms,較每次重新啟動工具快 2-28x。
論文提出 HEELO,以可重用的智能體原生原語組成任務專屬 harness,並按環境證據驗證結果及修訂原語。
ToolSpace 提出以工具為中心的框架,從真實 MCP 服務及開放智能體語料的執行軌跡合成多環境工具使用基準。應用於 AutomationBench 和 tau3-Bench Banking 後,7 款前沿模型在更具挑戰性的 Pro 版本上得分最多下降 38.2 分。
一項跨框架測量研究發現,MCP 工具描述、Schema 欄位及工具回應中的攻擊者可控內容,會在缺乏驗證下進入模型上下文;研究測得整體攻擊成功率為 22.9%。研究測試 12 個框架、18 個模型及 45 種攻擊情境,並以真實工具執行確認結果;成功攻擊中,12.1% 確認外洩秘密。
研究團隊以 CyberArena 對 12 款前沿模型與 harness 組合進行網絡攻防評測,共完成 466 場有效對局。GPT-5.6 Sol 以 78.6 分排名第一,Claude Opus 5 以 73.8 分排名第二,GLM-5.3 以 68.5 分排名第三。
MIT CSAIL 研究人員展示 GPT-6 Astra 可在不使用梯度的情況下編輯 Qwen3.5-0.8B 權重;Mandiant 則追查到被盜 API 金鑰令部分受害企業單日遭收取超過 $100,000,累計費用達 $1 million。
TAC-CoT 是一種工具賦能的自適應隱式 CoT 框架,以精簡的潛在推理片段取代明確推理軌跡,並只在工具呼叫、觀察及最終答案中保留文字 tokens。在智能體數學及問答基準測試中,準確率最高提升 8.8 points,模型 forward passes 最多減少 6.8x。分析亦顯示,TAC-CoT 在單工具及多工具設定中均改善工具使用質素。
Replit 發佈《Agent Habitat Architecture》白皮書,提出面向 AI 智能體的安全參考架構及成熟度評估體系。架構以權限只能收縮、憑證不向智能體公開、網絡存取須經策略校驗及高危操作須經人工審批為核心原則,並設有 11 個評估維度及 0–3 級成熟度。白皮書聚焦智能體運行期安全,供企業評估及部署智能體平台時參考。
研究提出面向 AI 智能體的證據引導式任務恢復方法,處理工具結果不明確及部分執行後的安全完成判定。在 19 個任務系列的 58 組配對比較中,規劃建議認證完成 30 次,證據提示則為 9 次,相差 36.2 個百分點(exact family sign-flip p=0.0078)。全部 116 條執行軌跡均通過獨立重播。
Apriel Voice 27B Preview 是一款開放式語音語言模型,在共享推理骨幹中整合語音理解、推理及工具調用,並保留文字和圖像輸入。模型以經後訓練的 Gemma 4 26B-A4B checkpoint 為基礎,透過兩階段訓練及線上蒸餾適配語音。
作者以三家 API 測試 21,812 份 MCP 伺服器工具清單,發現清單會在模型讀取前經 API 檢查,同一份清單在不同 API 可能得到不同結果。Anthropic、OpenAI 和 Google API 分別明確拒絕 456、591 和 7 份清單;Google 另有 135 份回覆未説明原因,文章並整理工具名稱、輸入 schema 結構及工具數量等相容性檢查項目。
agentic-arena 比較七種 AI 智能體框架在批次工具呼叫出錯時,如何傳遞成功結果及回報錯誤。測試涵蓋未知工具名稱、格式錯誤的參數及缺少必填參數,並發現錯誤可能被靜默忽略、連同成功結果一併丟棄,或直接觸發例外。測試在模擬模式下進行,衡量的是框架處理錯誤的行為,並非答案質素排名。
ToolSieve 基準測試顯示,將 MCP 工具描述正規化為固定 schema,可把 top-1 洩漏率由 13.8% 降至 7.8%。測試涵蓋 1,312 條公共伺服器工具描述,以 Swallow-8B-AWQ agent 和規則評分,沒有使用 LLM judge。正規化仍有犧牲工具使用指引的代價,沒有方案能在不作取捨下消除中毒。
作者以 gpt-4o-mini 比較 OpenAI Agents SDK、LangGraph 與單次 RAG,發現 SDK 預設設定確有引用格式漂移,亦有較小的實際引用流失。
一項受控研究比較 MCP 與 CLI 介面,發現即使可執行能力相同,介面呈現方式仍會改變智能體行為、任務表現及互動成本。六個模型在三個互動環境的 2,004 次測試中,有 94.3% 出現不同軌跡;DART 在六項評測設定中最多提升 9.0 分,並在三個環境中每項任務最多減少 27.1k 個 MCP token。
作者核對 MCP Registry 的 38,977 個伺服器條目,發現至少 5,192 個(13.3%)至少有一項套件、版本或連結失配。問題包括 GitHub 連結回傳 404、npm/PyPI 版本撤回或無法安裝,以及程式碼庫封存;數據取自 2026-10-04 的登記快照,查詢於 2026-10-06 執行,並非安全評估。