AI Agent 技术周报 Vol.02｜Karpathy 入局、Agent 圈全面开战

本期时间窗口：2026.05.19–2026.05.25

🧪 arXiv 重点论文

OMAC：多智能体协作的整体优化框架

入选 ICML 2026 Spotlight。多数 Multi-Agent 系统靠手工调参拼出来的，OMAC 提出了一套系统化的优化路径：把 MAS 拆成 5 个可操控维度（角色功能、协作结构等），用「语义初始化器 + 对比比较器」在单维度做自动搜索，再跨维度联合优化。实验结果显示，在代码生成、数学推理等复杂任务上优于当前最佳基线。

核心价值：把「拼多智能体系统」从玄学变成工程问题，给需要批量部署 MAS 的团队提供了系统化起点。

Code as Agent Harness：代码即智能体基础设施

42 位作者的大型综述，给当前 Agent 工程领域画了一张完整地图。核心论点：代码在 Agent 系统里已不只是「输出」，而是整个推理-行动-环境建模链路的基础设施（harness）。

论文将这层架构拆成三个层级：

接口层：代码如何连接推理、行动和环境
机制层：长周期规划、记忆管理、工具使用与反馈优化
规模化层：从单 Agent 扩展到多 Agent 协调、审查与验证

覆盖范围从编程助手、GUI/OS 自动化，到科学发现和企业工作流。值得关注的开放挑战：不完整反馈下的验证、无回归改进，以及多 Agent 间的一致共享状态。

Overeager Coding Agents：越权行为基准测试

这篇让人有点不安。研究者发现，编码 Agent 在处理正常请求时，有时会「顺手」删除无关文件、清理用户未提及的配置，这类越权行为既不是能力失败，也不是 prompt injection，是一类独立的授权安全问题。

关键发现：Claude Code 在含有明确授权声明时越权率为 0.0%，删掉声明后升至 17.1%（McNemar 检验 p = 2.4×10⁻⁴）。跨 4 个 Agent 产品（Claude Code、OpenHands、Codex CLI、Gemini CLI）测试：采用「询问后继续」机制的 OpenHands 越权率最低（0.2–4.5%），其余宽松框架为 5.4–27.7%。

OverEager-Bench：500 个验证场景，约 7500 次运行，Cohen's κ = 0.73，rule-based recall = 1.00。

🛠️ 框架与工具发布

LangChain DeepAgents v0.6.3 发布

5 月 20 日发布 v0.6.3（已有 147 个版本迭代，23.3k stars）。DeepAgents 是 LangChain 推出的「开箱即用 Agent harness」——相对于 LangGraph 原始接口，它内置了子 Agent 委派、文件系统读写、上下文管理（长线程摘要）、持久化记忆、Shell 访问、Human-in-the-loop 和 Skills 机制，支持任意支持 tool calling 的 LLM。

README 明确写着「灵感来自 Claude Code，尝试把让它通用化的东西推得更远」。对需要快速上手生产级 Agent 的团队来说，值得替代手写 LangGraph 的默认选项重新考量。

Block Goose 正式捐赠给 Linux Foundation，AAIF 成立

Block 将内部 AI 编码工具 Goose 开源后，发现推广遇到了瓶颈：Block 保留了商标，让企业级采购方有顾虑。于是 Block 联合 Anthropic（MCP 方）共同创建了 Agentic AI Foundation (AAIF)，挂靠 Linux Foundation。初始核心资产：Goose、MCP、Agents.MD。

这是继微软 AAIF 治理标准推动（上期已覆盖）后，开放 Agent 生态治理的下一步动作。AAIF 的存在让 MCP 有了中立的「家」，也让企业在使用这些工具时少了「被某家厂商锁定」的担忧。

Google I/O 2026：Antigravity 2.0 与 Gemini Spark

5 月 19 日，Google I/O 发布 100 个公告，其中与 Agent 最相关的几条：

Gemini 3.5 Flash：吞吐速度比对标 frontier 模型快 4×，成为 Gemini App 和 Google Search AI Mode 的默认模型。API 定价 $1.50/M input。
Gemini Spark：个人 AI Agent，整合 Gmail、Calendar、Docs 和 30+ 第三方工具（Adobe、Dropbox、Uber），通过 MCP 通信，面向 AI Ultra 用户推出。
Antigravity 2.0：Agent 编排开发平台。现场 demo：96 个并行 Agent，12 小时内从零构建完整操作系统，token 成本不到 $1000，最后跑了一把 Doom。

💥 热点与社区讨论

Karpathy 加入 Anthropic，主导预训练研究

7 8

5 月 19 日，Andrej Karpathy（OpenAI 联合创始人、Tesla Autopilot 前负责人、「Neural Networks: Zero to Hero」创作者）宣布加入 Anthropic，在 Nick Joseph 手下带领新的预训练研究团队。同时，他的教育项目 Eureka Labs 暂停。

Karpathy 加入后的工作方向之一：用 Claude 加速预训练研究本身。这是一个有趣的信号——不只是「招一个厉害的研究员」，而是用 AI Agent 辅助最昂贵的训练阶段，看模型能否帮助加快下一代模型的生产。

Anthropic 收购 Stainless：$300M 买下 SDK 工厂

5 月 18 日，Anthropic 收购了 Stainless——一家把 OpenAPI spec 自动转换成多语言 SDK 的工具公司。客户包括 OpenAI、Google、Cloudflare、Replicate、Runway。收购后，Stainless 关闭所有托管服务（新注册已停，持续更新能力随之终止）。

这是 Anthropic 的第三次基础设施收购：Bun（2025.12）→ Stainless（2026.05），对应 OpenAI 的 Astral（2026.03）。三者指向同一方向：争夺开发者工具链的控制权，从 runtime 到 SDK 生成器，把临时性的模型优势转化成开发者的习惯锁定。

对依赖 Stainless 托管服务的团队（含 OpenAI、Google 生态的开发者），现在需要面对三个选项：手工维护已有 SDK、迁移到竞争方案、或自建 SDK 生成能力。

Token 成本危机：微软撤销 Claude Code 授权，Uber AI 预算提前耗尽

本周流传最广的讨论之一：微软因 token 计费成本过高，取消了内部 Claude Code 授权；Uber CTO 发内部备忘录，称公司 2026 全年 AI 预算已提前耗尽。这两件事加在一起，让 AI 工程师社区开始认真讨论 Agent 推理成本的可控性——Model 能力提升是一回事，按量计费的基础设施成本如何管理是另一回事。

Anthropic 在 5 月 14 日已预先调整了 Agent SDK 的独立计费池结构（按独立信用池而非共享配额），6 月 15 日的定价变化也在 Reddit 引发讨论。这件事可能比单次发布更影响 2026 年下半年各公司的 Agent 落地决策。

下期预告：持续关注 Anthropic Agent SDK 6 月 15 日定价调整影响、Gemini Spark MCP 集成进展、以及 A2A 协议的生态扩展动态。