cognition.ai
Multi-agents Working | Cognition
Walden Yan 对多 Agent 系统的最新评估：可行架构是智能分散、操作集中
AI Agent 生态速报 | 2026-04-27：MCP 架构级 RCE 漏洞爆发、Google Antigravity 发布、多 Agent 生产陷阱实录
本期有三条主线：OX Security 披露 MCP STDIO 传输层架构级 RCE 漏洞（14 新 CVE + 7 既有 CVE，波及 150M+ 下载量），Anthropic 确认「符合规范」拒绝修补，责任下沉到所有下游工具链；Google 发布 Antigravity 自主开发平台（公开预览）和 Gemini 3 Flash CLI 集成（SWE-bench 76%），标志企业级 Agent 编排平台竞争进入新阶段；社区实战讨论集中在多模型工作流陷阱、演示到生产的重试幂等性问题、以及「80% 自动化 + 20% 人工」优于 100% 自动化的反直觉结论。
MCP 刚刚遭遇了它的「Heartbleed 时刻」——但这次，协议所有方拒绝了修补。
过去 24 小时里，安全研究团队披露了 MCP STDIO 传输层的架构级 RCE 漏洞，波及 150M+ 下载量、200k+ 实例，以及几乎所有主流 Agent 开发工具链。与此同时，Google 推出 Antigravity 自主开发平台，Grok 4.3 搜索热度首次正式超越 ChatGPT，社区开发者则从「多模型工作流」「演示到生产」「人机协同边界」三个方向贡献了本周最密集的实战讨论。
🔴 安全警报：MCP 架构级 RCE 漏洞，Anthropic 拒绝修补
这是本期最需要立即行动的信息。
OX Security 披露了 MCP 的架构级远程代码执行（RCE）漏洞：STDIO 传输层接受任何字符串作为系统命令执行，即使服务器启动失败也会触发执行。1 单次披露就导出了 14 个新 CVE，加上 7 个既有 CVE 被重新激活，合计影响 200k+ 易受攻击实例。
受影响范围几乎覆盖你正在用的整个工具栈：LiteLLM、LangChain、LangFlow、Flowise、Windsurf、Cursor 全部在列。总下载量超 150M。
问题的核心不只是漏洞本身，而是 Anthropic 的处理态度：确认该设计「符合规范」，拒绝在协议层修补，转而推荐开发者「谨慎使用」。责任就这样从协议设计方压到了每一个下游库和 IDE 开发者身上。
这和 TLS Heartbleed 时期的分叉点很像——当年同样是协议本身没问题，但实现层出了大坑。不同的是，Heartbleed 之后 OpenSSL 社区经历了深度反思和治理改革，MCP 现在面临的选择是：要么 Linux Foundation 的 AAIF 推动协议修正，要么生态自然分化成「本地 STDIO（危险）」和「企业级远程网关（安全）」两条路线。
立即行动：如果你的 Agent 工作流使用了 MCP STDIO 模式，需要在 Anthropic 给出明确指引前，评估是否临时切换到远程网关模式，或限制 STDIO 传输层的命令执行权限。5 月 27 日是 NIST AI RMF v2.0 公众评议截止日，这个漏洞很可能成为规范讨论的焦点案例。
🛡️ LangChain CVE-2025-68664 升级进展：补丁路径已明确
上期报告中提到的 Critical 级漏洞（CVSS 9.3），本期可以给出更清晰的修复路径。
Loading stats card…
漏洞位置在
dumps() 和 load() API 的不安全反序列化实现，可导致任意代码执行和 API 密钥泄露。三包下载量规模在 84M~52M 之间（不同来源统计口径略有差异），升级优先级没有争议。需要注意的是，即便自身已升级，依赖链上游未更新的包同样可以成为攻击入口——这是 AI 框架作为供应链关键依赖的典型攻击面。推荐在升级后通过
pip-audit 扫描依赖树，而不是只检查直接依赖。🚀 Google Antigravity：自主 Agent 开发平台公开预览
Google 在 4 月 27 日推出了 Antigravity——一个 AI 驱动的自主开发平台，目前处于公开预览阶段。4
核心设计是「规划 / 执行 / 验证」闭环：Agent 可以跨编辑器、终端、浏览器自主完成复杂任务，用截图和录屏作为 Artifact 向开发者汇报执行进度，原生集成 Gemini 模型。这和 OpenAI o1 系列的「可靠性设计」方向相似，但 Google 的赌注押在了端到端工具链整合上——同期发布的 Cloud Agents CLI 就是配套，实现从原型到生产的一体化流程。5
选型参考：Antigravity 目前的定位更接近企业级编排平台，对标对象是 OpenAI Workspace Agents 和 Salesforce Agentforce，而非 LangGraph 这类开源框架。关键问题是 Gemini 模型绑定——如果你的工作流需要多模型切换，现阶段需要留意这个约束。Agents CLI「从原型到生产压缩数周至数小时」的说法值得验证，但其背后的逻辑（减少 Agent 上下文溢出和 token 浪费）是真实痛点，方向对的。
⚡ Gemini 3 Flash 进入 Gemini CLI：SWE-bench 76% + 低成本
Google 在本周将 Gemini 3 Flash 集成进 Gemini CLI。6
SWE-bench Verified 评分 76%，与 Gemini 3 Pro 持平，但延迟更低、成本更低。100 条评论的 PR 可以一次性处理，负载测试脚本快速生成。
对编码 Agent 场景来说，这个组合挺实际的：Pro 级编码性能 + Flash 级成本，适合高频调用、批量执行的工作流。Gemini 2.5 Pro 能力强，但每次调用的成本对中小团队是个门槛，3 Flash 把这个问题绕过去了。
🤖 商业产品动态
Devin 多 Agent 架构：操作集中、智能分散
Cognition CPO Walden Yan 上周更新了 Devin 的多 Agent 实践评估——结论比 10 个月前软化了很多。7
现在可行的架构是：Agent 贡献智能，但写操作保持单线程。多个子 Agent 并行规划和分析，主 session 汇总结果并执行写操作。Devin 已经实现了这个模式：每个托管 Devin 拥有独立 VM、独立终端/浏览器/测试基础设施，主 session 负责协调监控。8
这个设计限制解决了多 Agent 系统最常见的「操作冲突」问题，但代价是主 session 成为瓶颈。如果任务本身要求并行写操作（比如多仓库同步修改），这个架构需要额外的合并层。Cognition 自己也承认 10 个月前的反对意见「已部分过时」——言下之意是另一部分依然有效。
Loading link preview…
Anthropic Agent-on-Agent Commerce 测试市场
Anthropic 创建了一个实验性的 Agent 间交易市场，验证多个自主 AI Agent 在市场场景中相互交易和协作的可行性。9
这个方向比较早期，但值得关注：一旦 Agent 能够自主「雇用」其他 Agent 并完成结算，当前的计费模式（人→服务）就会演变成 Agent→Agent 的算力经济。OpenAI Workspace Agents 里的「离线运行 + 人工先批准」设计，本质上是在这条路上踩刹车——不是不做，而是先把控制权保留在人手里。
Grok 4.3：搜索热度正式超越 ChatGPT
xAI 在本月 Aspire Tour 期间低调发布了 Grok 4.3，2026 年 4 月搜索热度正式超越 ChatGPT。10
搜索热度和实际使用量是两回事。但一年前 Grok 还是个小众选项，现在已经进入主流视野，这个转变本身说明了什么。对开发者而言更值得关注的是 Grok 作为 Agent 后端的能力评估：xAI API 的定价策略和 Llama 生态的兼容性，可能比搜索热度更影响技术选型。
🔧 框架与工具链
CrewAI 1.14.3：检查点全链路 + 冷启动优化 29%
CrewAI 1.14.3 在 4 月 24 日正式发布。11
几个值得关注的更新：
- 检查点全链路化：新增检查点生命周期事件，独立代理也支持检查点和分支，可恢复性从 Crew 级别下探到单 Agent 级别
- Bedrock V4 支持：企业用 AWS 部署路径打通
- Daytona 沙箱工具：代码执行隔离有了原生支持
- 冷启动优化 ~29%：高频实例化场景下体感明显
- CVE 修复：lxml >= 6.1.0、python-dotenv >= 1.2.2
检查点能力的下探对长流程 Agent 意义大——之前 Crew 级别的检查点在子任务失败时仍然需要从头重跑，现在可以在更细粒度层面恢复。
LangGraph 1.1.9：ReplayState 子图隔离修复
LangGraph 1.1.9 于 4 月 21 日发布，修复了普通恢复时 ReplayState 向子图传播的问题。12 这个 bug 会导致长运行周期 Agent 在子图恢复时状态污染，有复杂嵌套子图工作流的团队需要关注。
LangSmith SDK v0.7.37：多模型并发追踪优化
4 月 26 日发布的 v0.7.37 修复了 Claude Agent SDK 的并发问题，JavaScript 端 serialize worker thread 改为异步执行，显著改善 flush 性能。13 如果你在多模型 Agent 工作流里用 LangSmith 做追踪，这个版本解决了之前 flush 期间偶发的 trace 丢失问题。
Langfuse Cloud Japan 东京节点上线
Langfuse 在 4 月 27 日推出东京区域专用云基础设施，trace、prompt 和 evaluation 数据保留在日本境内。14 面向 APAC 部署的团队，这个更新让 Langfuse 的数据合规路径变得更清晰——之前跨境传输一直是企业客户的卡点。
W&B wandb v0.26.1：长任务断点续传
W&B wandb v0.26.1（4 月 23 日）新增了 API cursor 参数，支持 artifact、registry、automation 操作的断点续传，同时加入
stop_fn 自定义停止机制。15 长时间运行的 Agent 训练任务中断后不再需要从头来过，算是一个解放运维注意力的小更新。📦 GitHub 项目动态
Loading stats card…
Nuwa-Skill：「思维蒸馏」框架
本周增长最快的新兴项目之一（15k stars，日增 +16）。核心能力是「认知蒸馏」——把任何人物的决策启发式和心智模型提炼为可复用的 Agent 技能，支持多语言。16
2026 年 Agent 工具的一个新方向正在成型：不是「教 AI 做任务」，而是「把人的思维模式迁移到 AI」。产品上的应用很直接——把顶级销售的谈判框架、最佳客服代表的应对模式提炼为 Skill，然后部署到 Agent 上。理论很吸引人，工程落地的挑战是「心智模型」本身的提炼质量参差不齐，如何验证蒸馏效果需要仔细设计评估流程。
PandaFilter：Rust 实现的 Context 压缩工具
用本地 BERT 模型对 LLM 上下文进行语义压缩，shell 命令输出压缩率 86-99%，支持 Claude Code、Cursor、Windsurf。17 Rust 实现，延迟低。
对于长会话编码 Agent 来说，上下文成本是个真实痛点：一个 2000 行的 build log 传进去，实际有效信息可能不超过 50 行。PandaFilter 解决的就是这个。86-99% 的压缩率数字很好看，需要关注的是语义压缩的召回率——压得太狠会丢关键报错信息。
YourMemory：Ebbinghaus 遗忘曲线驱动的持久化 Memory
使用遗忘曲线衰减模型管理 Agent 记忆强度，DuckDB + 向量搜索 + 图形关联三层存储，LoCoMo-10 基准 Recall@5 为 59%（Zep Cloud 的 2 倍），支持多 Agent 隔离 / 共享，MCP 兼容。18
和 ctx-memory（跨工具会话恢复）的定位不同，YourMemory 的核心赌注是「过时记忆主动衰减」——Agent 不应该永远「记得」六个月前的上下文，就像人不会对每件往事保持同等印象深度。Recall@5 59% 对应实际使用体验还需要更多验证，但方向比「无限追加上下文」更接近生产可用。
ctx-memory：跨工具会话恢复
Claude Code / Codex 等编码工具的跨工具持久化内存方案。退出时自动压缩萃取会话内容存入项目级文档，下次启动时自动加载，本地 SQLite 存储。19 解决多工具切换时的上下文断层，实现方式朴素但实用。
💬 社区讨论热点
MCP 的真正价值在哪里：外部非频繁访问场景
20一位开发者经过一年思考给出了最清晰的 MCP 使用场景分析：MCP 不是内部 API 的替代，而是为外部用户降低学习和操作摩擦的工具。具体案例：通过托管服务商提供的 MCP 服务器，Agent 自动完成跨 GitHub / DNS / SSL / DB / Hosting 的开发环境配置，而用户不需要了解每个服务的具体 API。
反过来说，如果你的团队已经有标准化操作流程，直接调用 API 比 MCP 更高效。这个「外部非频繁用户」的定位解释了为什么 MCP 在企业内部推广时往往遭遇阻力——用错场景了。
Loading link preview…
多模型工作流的五个合理分工
21「两个模型达成共识 ≠ 验证」——这是本周讨论中最值得记住的一句话。有效的多模型工作流需要每个节点承担不同职能：规划器减少歧义、执行器明确约束、评论者检查特定故障模式、验证器测试可观察需求、人工负责明确验收。缺少任何一层的实质职能，这个节点就是「工作流装饰」。
多个模型可能共享相同的训练偏差和错误前提，堆叠它们不会消除这些偏差，只会让管道更复杂。
Agent 从演示到生产的关键断层：重试幂等性
22一个精准的观察：演示只测试顺路径，真实用户的异常操作（无关输入、并发操作、边界条件）会导致 Agent 崩溃并重试。重试比崩溃更危险，因为已执行的步骤会重复运行，造成数据重复和状态污染。
60% 成功率在 Demo 里看起来可用，在生产里等于「40% 的用户会遭遇双重操作或数据错乱」。生产环境的 Agent 可靠性关键不是追求最优路径，而是让失败路径也变得幂等。
真正的自动化规模化是「支持人类」而非「替代人类」
23一个反直觉的实践案例：一个自动化团队把系统设计从「100% AI 处理或崩溃」改成「AI 处理 80% 标准路径 + 人工处理 20% 边缘情况」之后，客户留存和信任反而上升了，长期投入产出比优于追求完全自动化的方案。
核心洞察：模型遇到边缘案例时强制处理，带来的是糟糕体验和客户流失。增加「回退人工」按钮，本质上是承认 AI 的能力边界，反而建立了更稳固的用户信任。这个判断对正在规划自动化率目标的团队有直接参考价值。
Loading link preview…
多智能体长上下文：共享工作空间替代会话 token
24把上下文从「会话内 token 容量」转换为「可查询的共享工作空间」：多个 Agent 共享文件空间、项目文件、沟通记录和工作日志，Agent 间可互相询问项目状态，卡壳时能向人类求助。这个「Vibespace」架构解决了单 Agent 长上下文压缩导致关键细节丢失的问题。
📊 本期速览
Loading stats card…
下期关注方向
MCP 安全后续：Anthropic「符合规范」的定态度能否持续？Linux Foundation AAIF 的反应值得盯紧，这可能是 Agent 协议治理的里程碑事件。
Google Antigravity 实测：平台公开预览后第一批用户的真实反馈，特别是「数周→数小时」的工时压缩能否在真实项目中复现。
OpenAI Workspace Agents 计费切换（5 月 6 日）：免费期截止后企业续费意愿和 credits 定价的社区反应，这是检验 Workspace Agents 实际落地深度的关键节点。
封面图：AI 生成（本期制作）
References
- 1MCP is now the Agent era's TLS
medium.com
- 2LangChain LangGraph Flaws Expose Files
thehackernews.com
- 3LangChain Framework Security Issues
techradar.com
- 4Build with Google Antigravity
developers.googleblog.com
- 5Google Cloud Agents CLI
developers.googleblog.com
- 6Gemini 3 Flash in Gemini CLI
developers.googleblog.com
- 7Multi-agents Working
cognition.ai
- 8
- 9Anthropic Agent-on-Agent Commerce
techcrunch.com
- 10Grok 4.3 超越 ChatGPT 搜索热度
linkedin.com
- 11CrewAI 1.14.3 Release
github.com
- 12LangGraph 1.1.9 Release
github.com
- 13LangSmith SDK v0.7.37
github.com
- 14Langfuse Cloud Japan
langfuse.com
- 15W&B wandb v0.26.1
github.com
- 16Nuwa-Skill GitHub
github.com
- 17PandaFilter on Reddit
reddit.com
- 18YourMemory GitHub
github.com
- 19ctx-memory Reddit
reddit.com
- 20I Finally Get MCP After a Year
reddit.com
- 21Multi-model Agent Workflows
reddit.com
- 22
- 23The Most Profitable Feature We Built
reddit.com
- 24How I Solved Long Context Problem
reddit.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.