Consilium:当多个 LLM 协作时
Consilium 是开发者在 Gradio Agents & MCP Hackathon 期间构建的多 LLM 平台,让 AI 模型通过结构化辩论讨论复杂问题并达成共识,支持多数投票和排序选择等决策模式。
Consilium 是开发者在 Gradio Agents & MCP Hackathon 期间构建的多 LLM 平台,让 AI 模型通过结构化辩论讨论复杂问题并达成共识,支持多数投票和排序选择等决策模式。
Gradio 5.38.0 为 Gradio MCP Server 带来五项改进:新增 "File Upload" MCP server 让智能体直接上传本地文件,实时流式推送进度通知,并可用 gr.load_openapi 一行代码将 OpenAPI schema 转为 MCP server。
Hugging Face 开发了 hf.co/mcp 的 MCP Server,让 AI 助手通过一个 URL 远程访问 Hub 与 Spaces 上数千个 AI 应用,并支持用户按需自定义工具。生产环境选择 MCP 的 Streamable HTTP 传输,采用无状态、Direct Response 配置;开源代码同时支持 STDIO、SSE 与 Streamable HTTP。
Hugging Face 发布 Python 库 ScreenEnv,可在 Docker 容器中创建隔离的 Ubuntu 桌面环境,用于测试和部署能看、能点击、能与真实应用交互的 GUI(Computer Use)智能体。
推荐理由:Hugging Face 把桌面智能体的沙箱环境做成了可直接 pip 安装的库,读者可据此判断 GUI Agent 的搭建与部署成本变化。
Hugging Face 博客介绍如何通过 Gradio MCP Servers 为 LLM 扩展能力。Gradio 从 5.28.0 版本起支持 MCP 协议,使 Hugging Face Spaces 上的数千个 AI 应用成为 LLM 可直接调用的工具。
Hugging Face 分享研究,提出让 CodeAgent 以结构化 JSON 同时输出 thoughts 和可执行 code,在 GAIA、MATH、SimpleQA、Frames 等基准上比普通 CodeAgent 平均提升 2-7 个百分点。
Hugging Face 发布 Python 版 Tiny Agents,通过扩展 huggingface_hub 的 MCPClient 让智能体从 MCP 服务器拉取工具并传给 LLM,核心代码约 70 行。
推荐理由:官方教程给出 70 行搭 MCP 智能体的完整配置与代码路径,可直接照此复现。
Dell Enterprise Hub 发布新版本,提供 Meta Llama 4 Maverick、DeepSeek R1、Google Gemma 3 等模型的即用容器,针对 NVIDIA H100/H200、AMD MI300X、Intel Gaudi 3 的 Dell 服务器完成测试与优化,Llama 4 在 Meta 公开发布后 1 小时内即上线。
ChatGPT 现可连接 Google Drive,调用其中的内部知识并结合相关上下文回答问题。
Qwen-3 的 Chat Template 比 Qwen-2.5 和 QwQ 更复杂:通过 enable_thinking 标志可将推理设为可选,设为 false 时模板插入空思考块,让模型跳过逐步推理,而 QwQ 等早期模型强制每轮生成思维链。
Gradio 发布教程,演示如何用几行 Python 把任意 Gradio 应用启动为 MCP server,让 LLM 以工具形式调用。只需在 demo.launch() 中设置 mcp_server=True,即可同时启动 Web 界面与 MCP server,并生成可粘贴到 Claude Desktop、Cursor、Cline 等 MCP Client 的配置。
Hugging Face 发布 Tiny Agents 教程,演示如何用约 50 行 TypeScript 代码在推理客户端之上实现一个 MCP 驱动的智能体。
推荐理由:文章给出一个约 50 行的 MCP 智能体实现,读者可据此理解工具调用与 MCP 客户端如何拼装成完整智能体。
Cohere 现已作为 Inference Provider 接入 HF Hub,成为首个直接在 Hub 上分享并提供模型推理的模型厂商。
Hugging Face 用 24 小时复现 OpenAI Deep Research,并开源了所需的智能体框架。该框架基于 smolagents 的 CodeAgent,让智能体用代码而非 JSON 表达动作,在 GAIA 验证集上取得 55.15% 的成绩,高于此前开源框架 Magentic-One 的约 46%;同一设置改用 JSON 写动作后平均降至 33%。
推荐理由:原文给出了复现 OpenAI Deep Research 的开放框架与 GAIA 上的对比数字,可据此了解代码式智能体相较 JSON 方式的差异。
Hugging Face 发布 smolagents 库,让语言模型具备智能体能力,核心是 CodeAgent——智能体用代码而非 JSON 编写动作,并支持通过 E2B 在沙箱环境执行。
推荐理由:Hugging Face 官方介绍 smolagents 库的 CodeAgent 设计与上手方式,可作为编写代码动作智能体的参考。
Hugging Face 在 Transformers 中推出统一的工具调用 API,同一套代码可在 Mistral、Cohere、NousResearch 和 Llama 等模型上使用工具,无需或只需少量模型专属改动。工具以 JSON schema 定义,Python 函数传入后会自动转换为 schema,并配有完整文档和示例。目前模型响应格式仍需手动解析,这部分尚未统一。
推荐理由:原文给出了统一工具调用 API 的跨模型设计与 Transformers 代码示例,读者可据此判断现有工具调用代码的迁移成本。
Hugging Face 发布 Agents.js,一个在浏览器或 Node 中为 LLM 提供工具调用的 JavaScript 库,可通过 npm install @huggingface/agents 安装。
推荐理由:Hugging Face 官方发布 JS 智能体库,可了解其工具调用方式与自定义扩展路径。