Agent

DeepSeek Harness 将模型、工具、会话、沙箱、Agent 循环等能力全部交给插件，Cordis 只维护上下文、服务注册、事件分发、依赖激活和副作用回收。这套架构把 Agent 系统从固定内核变成可装配运行时，也让多会话隔离、热更新和生命周期回收成为框架层问题。

过去一周，AI 行业呈现出一种并不常见的并置：一边是前沿模型能力继续上探，Anthropic 发布 Claude Opus 5.5，多家厂商在定价与基准测试上密集推进；另一边是 Agent 安全事件引发关注，OpenAI 甚至暂停了最强模型上部分工具调用相关训练。与此同时，GPU 算力开始被保险机制包裹，AI 基础设施的金融化进一步加深。这些事件看似分散，实际上共同指向大模型行业下一阶段的三条主线：训练与推理安全、模型定价重构、算力资本结构变化。

Pi 团队曾公开拒绝 MCP，如今却将其纳入核心。Hacker News 上的这篇讨论不只关乎一次产品转向，也揭示了 MCP 在工具链集成中的真实边界。

传统RAG擅长即时检索，却难以沉淀长期经验。Hindsight通过仿生记忆结构、动态反思机制和MCP支持，尝试为Agent建立可持续演化的长期记忆能力。

一篇源码导读梳理了 OpenAI Codex 开源仓库的工程分层，为理解本地 coding agent 的架构设计提供了入门路径。

DeepSeek推出V4.1-Flash与开源Harness，释放出AIGC竞争从模型跑分转向工具链、生态与商业化的信号。

MCP 之所以被视为 Agent 工具标准，并不是因为它提供了最复杂的技术方案，而是因为它把 Agent 与外部工具之间的连接问题，从框架竞争转向了协议协同。本文从工具接入的重复劳动出发，分析 MCP 成为标准背后的生态逻辑。

DeepSeek Harness 与 Pi 都能连接模型、调用工具、管理会话，但源码层面并不在同一层。前者是插件化 Agent 平台，后者是可嵌入的轻量 Agent 内核。