On Working with Wizards★ 85
One Useful Thing (Mollick)264d agoOpinion知名 AI 學者 Ethan Mollick 提出「與魔法師共事」的隱喻，指出當前 AI 並非傳統軟體，而是具備強大卻不穩定能力的魔法師。在「參差不齊的技術前沿（Jagged Frontier）」上，AI 可能在困難任務上表現驚人，卻在簡單任務上出錯。人類必須學會扮演「驗證者」，透過深度整合（如半人馬或賽博格模式）來駕馭這股魔法般的技術。
The second wave of MCP: Building for LLMs, not developers★ 85
Vercel Changelog266d agoOpinionVercel 指出 Model Context Protocol (MCP) 正進入第二階段。第一階段是將現有工具連接至 LLM，而第二階段則是「為 LLM 量身打造 API」。開發者不再只是暴露傳統的 REST 接口，而是需要設計具備豐富語意描述、適合 Agent 推理與執行的 MCP 服務。這將徹底改變未來軟體架構與 API 開發的思維。
MCP for Research: How to Connect AI to Research Tools★ 75
Hugging Face Blog288d agoTutorialHugging Face 發表最新指南，展示如何利用 Model Context Protocol (MCP) 將 AI 模型與學術研究工具無縫串接。文章介紹了如何建立 MCP 伺服器來連接 arXiv、Semantic Scholar 及 Zotero 等文獻資料庫，讓 AI 能夠直接檢索、閱讀並整理最新學術論文。這項技術不僅能大幅降低 AI 的幻覺，還能自動化文獻回顧與資料分析流程，是科研人員與開發者構建智慧學術助理的實用指南。
TextQuests: How Good are LLMs at Text-Based Video Games?★ 75
Hugging Face Blog294d agoReleaseHugging Face 發表全新基準測試「TextQuests」，旨在評估大型語言模型（LLM）在文字冒險遊戲（如 Zork）中的表現。這類遊戲要求模型具備強大的自然語言理解、常識推理、長期規劃與狀態追蹤能力。測試結果顯示，儘管現今 LLM 在傳統基準上表現優異，但在面對需要多步驟決策與試錯的文字遊戲時仍面臨極大挑戰。
Announcing Replicate's remote MCP server★ 75
Replicate Blog296d agoNew ToolReplicate 宣布推出遠端 MCP（Model Context Protocol）伺服器，將其平台上的數萬個開源模型直接接入開發工作流。使用者現在無需離開編輯器或聊天介面，即可在 Claude Desktop、Cursor 和 VS Code 等工具中，直接搜尋、比較並執行 Replicate 上的模型。這項更新大幅簡化了開發者測試與整合各種開源 AI 模型（如 Llama、Flux 等）的流程，提升開發效率。
Implementing MCP Servers in Python: An AI Shopping Assistant with Gradio★ 75
Hugging Face Blog306d agoTutorialHugging Face 發布最新實戰教學，展示如何使用 Python 實作 Model Context Protocol (MCP) 伺服器。 此專案結合了 Gradio 互動介面與虛擬試穿（VTON）技術，建構出一個功能完整的 AI 購物助手。 開發者可藉此學習如何將 MCP 協議應用於實際的電商場景，讓 LLM 能夠動態調用視覺化試穿工具。
Model Context Protocol (MCP) explained: An FAQ★ 85
Vercel Changelog312d agoTutorialModel Context Protocol (MCP) 是一個開放標準，旨在解決 AI 應用程式與各種資料源、工具之間連接破碎化的問題。本文以問答（FAQ）形式，深入淺出地解釋 MCP 的核心架構（Client-Host-Server）、運作原理，以及開發者如何利用 Vercel 和 AI SDK 快速構建與部署 MCP 伺服器，實現更強大的 AI Agent 應用。
Grep a million GitHub repositories via MCP★ 80
Vercel Changelog320d agoNew ToolVercel 宣布推出支援模型上下文協定（MCP）的新工具，允許 AI 代理與開發工具（如 Claude）直接檢索數百萬個 GitHub 公開儲存庫。開發者現在可以讓 AI 快速搜尋開源社群中的特定 API 用法、程式碼範例或設定檔，大幅提升開發效率與程式碼生成的準確性。
Back to The Future: Evaluating AI Agents on Predicting Future Events★ 75
Hugging Face Blog320d agoReleaseHugging Face 發表全新基準測試「FutureBench」，旨在評估 AI Agent 在預測未來事件（如地緣政治、金融市場及科技趨勢）上的表現。該測試挑戰了 Agent 的資訊檢索、機率推理與時間推理能力，有效避免了傳統基準測試中常見的資料洩漏問題。評估結果顯示，目前的 AI Agent 在面對未知的未來事件時，預測準確度與人類專家仍有顯著差距。
Five Big Improvements to Gradio MCP Servers★ 80
Hugging Face Blog320d agoReleaseHugging Face 發表 Gradio MCP（Model Context Protocol）伺服器的五大重要改進。本次更新優化了 Gradio 應用轉為 MCP 服務的流程，提升了與 Claude Desktop、Cursor 等客戶端的相容性，並加強了動態 Schema 轉換、串流效能與安全權限控制。這讓開發者能更輕易地將豐富的 Gradio 生態系工具無縫對接給 AI 代理使用。
ScreenEnv: Deploy your full stack Desktop Agent★ 82
Hugging Face Blog327d agoNew ToolHugging Face 介紹了 ScreenEnv，這是一個旨在簡化「電腦使用（Computer Use）」AI 代理部署的開源環境。它提供類似 Gym 的標準化接口，讓開發者能在安全的虛擬桌面（如 Docker/VM）中，利用多模態模型（如 Claude 或 GPT）進行滑鼠、鍵盤與螢幕視覺的完整互動，非常適合開發自動化工作流與 GUI 代理。
Building the Hugging Face MCP Server★ 82
Hugging Face Blog327d agoNew ToolHugging Face 宣布推出其 Model Context Protocol (MCP) 伺服器。這項工具讓支援 MCP 的 AI 客戶端（如 Claude Desktop、Cursor）能夠直接與 Hugging Face Hub 互動。使用者可以直接在對話中搜尋熱門模型、查詢資料集結構與讀取 Model Card，大幅簡化了 AI 開發者與研究人員的工作流程。
Upskill your LLMs With Gradio MCP Servers★ 82
Hugging Face Blog328d agoReleaseHugging Face 宣布 Gradio 正式支援 Model Context Protocol (MCP)。開發者現在可以輕鬆將 Gradio 應用程式轉換為 MCP 伺服器，使 Claude 等 LLM 代理能直接調用各種機器學習模型、影像處理或數據分析工具。這項整合極大地擴展了 LLM 的實用技能，並搭起了 LLM 與 Hugging Face 龐大開源生態系之間的橋樑。
Using AI Right Now: A Quick Guide★ 85
One Useful Thing (Mollick)344d agoTutorial知名 AI 學者 Ethan Mollick 整理了最新的 AI 實用指南，解答「該用哪款 AI」與「如何使用」的核心問題。他強調應直接使用最頂尖的 Frontier Models（如 GPT、Claude、Gemini），並將 AI 視為「聰明但缺乏常識的實習生」。指南涵蓋日常寫作、程式開發、資料搜尋與多媒體生成等四大領域的推薦工具與實戰心法。
Tiny Agents in Python: a MCP-powered agent in ~70 lines of code★ 80
Hugging Face Blog375d agoTutorialHugging Face 推出全新教學，教導開發者如何使用約 70 行 Python 程式碼構建一個由 MCP（模型上下文協定）驅動的微型 Agent。此方法擺脫了傳統繁重框架的束縛，直接展示了 Agent 的核心運作邏輯。透過 MCP，這個微型 Agent 能輕鬆連接並調用外部工具與資料源，極大地降低了開發與理解 AI Agent 的門檻。
MCP server support on Vercel★ 85
Vercel Changelog391d agoReleaseVercel 宣布支援 Model Context Protocol (MCP) 伺服器部署。開發者現在可以將 MCP 伺服器作為 Serverless Functions 部署在 Vercel 上，並透過 SSE (Server-Sent Events) 與 Claude Desktop 或 Cursor 等 AI 工具連接。這簡化了 AI Agent 連結私有數據與 API 的流程，並享有 Vercel 的即時擴展與安全管理優勢。
Personality and Persuasion★ 75
One Useful Thing (Mollick)397d agoOpinion沃頓商學院教授 Ethan Mollick 指出，AI 具備極強的說服力，能根據用戶的性格特質（如大五人格）動態調整對話風格。雖然 AI 常因「迎合用戶（Sycophancy）」而飽受批評，但這種特質也揭示了個性化說服的強大力量。理解這一機制不僅能幫助我們防範 AI 的潛在操縱，也能將其應用於教育與行為引導等正面領域。
How to Build an MCP Server with Gradio★ 80
Hugging Face Blog398d agoTutorialHugging Face 官方發布教學，介紹如何將 Gradio 應用程式轉換為 Model Context Protocol (MCP) 伺服器。開發者只需撰寫簡單的 Python 程式碼，即可將現有的 Gradio 介面與 ML 模型封裝成 MCP 工具。這讓 Claude Desktop 或 Cursor 等客戶端能直接調用這些工具，極大地簡化了 AI Agent 與自訂模型的整合。
Tiny Agents: an MCP-powered agent in 50 lines of code★ 80
Hugging Face Blog403d agoTutorialHugging Face 發表最新教學，展示如何利用 Model Context Protocol (MCP) 協定，在僅 50 行程式碼內構建出功能完整的 AI Agent。透過 MCP，這個輕量級 Agent 可以直接連接並使用現有的各種 MCP 工具伺服器（如搜尋、資料庫等），無需繁瑣的 API 對接。這項技術大幅降低了開發 Agent 的門檻，並展現了開源標準在 AI 生態系中的強大潛力。
Introducing HELMET: Holistically Evaluating Long-context Language Models★ 80
Hugging Face Blog412d agoReleaseHugging Face 介紹了由普林斯頓大學等機構提出的 HELMET 基準測試，旨在解決現有長文本評估（如 Needle In A Haystack）過於單一的問題。HELMET 包含 7 大類、11 個真實應用數據集，涵蓋長文本問答、摘要、資訊檢索與程式碼生成等。測試結果顯示，許多宣稱擁有超長上下文的模型，在實際複雜任務中的有效性能會隨著長度增加而顯著衰退。
[AINews] Google's Agent2Agent Protocol (A2A)★ 85
TLDR AI (Buttondown)418d agoReleaseGoogle 在 Cloud Next 大會上宣布雙重重磅消息：全面支援 Anthropic 的 MCP 協定，並推出全新的 Agent2Agent (A2A) 協定。A2A 旨在與 MCP 互補，解決跨遠端 Agent 溝通的痛點。該規範包含 Agent Card、Task 機制、企業級認證與推播支援，並同步開源了草案規範與 Agent 開發套件（ADK）。
DABStep: Data Agent Benchmark for Multi-step Reasoning★ 75
Hugging Face Blog483d agoReleaseHugging Face 推出全新基準測試「DABStep」，旨在評估 AI 數據代理（Data Agent）執行多步驟推理的能力。DABStep 模擬了真實世界的複雜數據分析場景，要求 AI 規劃步驟、撰寫並執行程式碼、處理多種數據格式，並進行錯誤修正。此基準測試為開發更實用、更具規劃能力的數據分析 AI 助手提供了客觀的評估標準。
We now support VLMs in smolagents!★ 80
Hugging Face Blog494d agoReleaseHugging Face 旗下的輕量級 Agent 開源庫 smolagents 迎來重大更新，正式支援視覺語言模型（VLM）。開發者現在可以讓 Agent 接收並處理影像輸入，適用於網頁視覺導航、圖表分析及多模態任務。此更新大幅擴展了程式碼 Agent（Code Agent）的應用場景，使其能「看見」並理解真實世界的視覺資訊。
Introducing smolagents: simple agents that write actions in code.★ 85
Hugging Face Blog518d agoReleaseHugging Face 發表輕量級 AI Agent 框架「smolagents」，核心概念為「Code Agents」。與傳統輸出 JSON 的 Agent 不同，它讓 LLM 直接生成 Python 程式碼來執行複雜任務，大幅提升表達力與靈活性。該框架程式碼極簡（約千行），並內置安全的 Python 執行沙箱，支援多種主流 LLM 供應商。
Rethinking LLM Evaluation with 3C3H: AraGen Benchmark and Leaderboard
Hugging Face Blog545d agoReleaseHugging Face 宣布推出針對阿拉伯語大語言模型（LLM）的全新評估基準「AraGen」及其排行榜。該基準採用創新的「3C3H」評估框架，從文化（Culture）、語境（Context）、能力（Capability）以及實用（Helpfulness）、誠實（Honesty）、無害（Harmlessness）六大維度進行評估。此舉旨在解決過去阿拉伯語評估過度依賴英文翻譯數據集、忽略在地文化與語言特性的問題，為多語言 AI 評估樹立新標竿。
Letting Large Models Debate: The First Multilingual LLM Debate Competition★ 75
Hugging Face Blog559d agoRelease本文介紹了首屆多語言大型語言模型（LLM）辯論賽。傳統的靜態評估方法（如多選題）已難以衡量模型的深層推理與說服力，因此研究人員設計了讓模型針對特定議題進行多輪多語言辯論的機制。透過這種動態對抗，不僅能更精準地評估模型在非英語環境下的邏輯一致性，也為 LLM 的安全性和對齊（Alignment）提供了全新的評估維度。
Judge Arena: Benchmarking LLMs as Evaluators★ 80
Hugging Face Blog560d agoReleaseHugging Face 與 AI 評估新創公司 Atla 合作推出「Judge Arena」基準測試。該項目旨在解決「LLM 作為裁判（LLM-as-a-judge）」時常見的偏見與失真問題，透過與人類專家評分進行對齊，系統化評估各家大模型在擔任裁判時的表現，為 AI 評估自動化提供更具公信力的參考標準。
Eval-driven development: Build better AI faster★ 80
Vercel Changelog593d agoOpinionVercel 提出「評估驅動開發（EDD）」概念，解決 AI 輸出不確定性帶來的測試難題。 EDD 類似於軟體工程的測試驅動開發（TDD），強調在調整提示詞或模型前先建立評估數據集。 透過自動化評估（如 LLM-as-a-judge），開發者能更具信心且快速地優化 AI 產品，避免改動導致效能倒退。
LAVE: Zero-shot VQA Evaluation on Docmatix with LLMs - Do We Still Need Fine-Tuning?★ 75
Hugging Face Blog677d agoPaper本文介紹了 Hugging Face 提出的 LAVE（LLM 輔助 VQA 評估）方法，並在巨型文檔問答資料集 Docmatix 上進行測試。傳統評估指標（如 ANLS）因過於嚴格而不利於 Zero-shot 模型，而 LAVE 利用 LLM 作為裁判，能更公正地評估模型。結果顯示，雖然強大 LLM 的 Zero-shot 能力顯著，但在特定文檔理解任務中，微調（Fine-tuning）依然是提升中小型模型性能的關鍵。
BigCodeBench: The Next Generation of HumanEval★ 80
Hugging Face Blog714d agoRelease傳統的 HumanEval 程式碼評測基準已逐漸飽和且過於簡單。Hugging Face 與研究團隊合作推出新一代基準 BigCodeBench，包含 1,140 個實用編程任務，涵蓋 139 個第三方 Python 函式庫。此基準旨在考驗 LLM 在複雜、多步驟及真實開發場景下的程式碼生成與指令遵循能力，成為評估 Code LLM 的新一代標準。