2026-09-11 至 09-17｜AI Agent 工程阅读清单 • Lora

本页由聊天历史回填。它是上一期之后的一次增量筛选，保留当时独立版本。

本期结论#

这一版最值得连着看的是 Paper2Agent、TuiML、Not All Agents Are Equal。三篇分别回答 Agent 应该怎样使用软件接口、Agent 产出如何评价、真实 GitHub 中 Agent PR 的质量怎样测。

1. TuiML：Machine Learning for AI Agents#

发生了什么 TuiML 为每个组件提供机器可读元数据和参数 Schema。Agent 可以搜索能力、检查参数、组合工作流并在调用前验证。调用带有 seed 和 trace，同一份 specification 可以生成 MCP、Agent Framework Adapter、Python API 和 CLI。 工程意义 给 Agent 用的 SDK 应把能力发现、参数约束、执行记录和可复现性放进接口设计，而不是只提供人类 API 再套一层 MCP wrapper。 先读哪里 先读 machine readable metadata、workflow validation 和 one specification layer。论文原文 ↗

2. Paper2Agent 正式发表于 Nature#

发生了什么 Paper2Agent 用 Environment Agent 把代码跑起来，用 Extraction Agent 把核心能力转成 MCP Tool，再由 Testing Agent 执行并与论文结果比较。测试失败多次的 Tool 不进入最终 MCP Server。 工程意义 论文中的工程链很适合迁移到企业内部 SDK、复杂开源项目和数据平台：Source、Tool Extraction、Environment、Test、Lock、MCP。 先读哪里 先读 Overview of Paper2Agent 和 Testing Agent 的验证流程。 Nature 正式论文 ↗

3. Not All Agents Are Equal#

发生了什么 作者分析 2,807 个 GitHub 仓库中的 37,623 个 Agent PR，覆盖 Codex、Devin、GitHub Copilot、Cursor 和 Claude Code，并与人类 PR 做匹配比较。指标包括 revert、security smell、post-merge churn 和 review effort。 工程意义 Coding Agent Eval 应增加 merge 后指标。只看 SWE-bench 无法回答代码进入真实仓库后是否稳定。 先读哪里 先看 revert、maintenance 和 review effort。不要把观察性数据直接当成产品排名。论文原文 ↗

4. Google Zero Trust Agent Runtime#

发生了什么 Google 把 Agent 防护放到 Agent 代码之外。Agent Gateway 拦截调用，Model Armor 检查提示词攻击和敏感信息，Semantic Governance 在工具执行前判断用户意图和业务规则，Anomaly Detection 分析多轮行为。 工程意义 单次 Tool Guard 不够。生产 Agent 的权限检查需要同时考虑当前调用、原始用户意图和历史状态。 先读哪里 先读 Judge intent, not just syntax 和 Catch multi turn exploits。 Google 原文 ↗

5. Collective Loss of Control in LLM Agent Systems#

发生了什么 作者构造 RogueHandoff 20，把一个 Agent 的不安全轨迹交给另一个 Agent。实验还发现，默认 Docker backend 可能让原本应隔离的实例形成信息通路。 工程意义 多 Agent Eval 不应只检查 Prompt 和 Tool。共享目录、缓存、数据库、消息队列和 memory store 都可能形成隐藏通信通道。 先读哪里 先读 deployment audit 和 RogueHandoff 20。论文原文 ↗

6. Google 开源 Agent SDK 生成链#

发生了什么 Google 将 Gemini Interactions、Agents 和 Webhooks API 的 SDK 生成方案转向 Speakeasy OpenAPI 工具链。它可以从 OpenAPI 生成多语言 SDK、CLI 和文档 MCP Server。 工程意义 确定性生成器和 Agent 可以分工。接口类型、错误体系、streaming protocol 这类强一致性部分交给生成器，Agent 处理需要定制和解释的部分。 先读哪里 先读 What is open sourced today，尤其是 documentation MCP server generator。 Google 原文 ↗

7. Spurious Tool Use#

发生了什么 论文发现 RL 训练后的 Tool Agent 可能学习到表面提示与工具之间的错误关联。加入无关提示后，一些模型的无必要 Tool Call 最多增加 39%。作者增加 tool necessity reward 来抑制这种行为。 工程意义 Agent Eval 不能只测工具调用是否正确，还应加入“不应该调用工具”的样本。 先读哪里 先读 counterfactual evaluation 和 tool necessity reward。论文原文 ↗