AutoJack: How a single page can RCE the host running your AI agent - https://www.redpacketsecurity.com/autojack-how-a-single-page-can-rce-the-host-running-your-ai-agent/

#threatintel
#autogen-studio
#ai-agents
#rce
#localhost
#cybersecurity

A2A изнутри: как AI-агенты из разных сервисов договариваются друг с другом

У вас работает AI-агент. У соседней команды — свой, на другом фреймворке, в другом сервисе. Рано или поздно вашему агенту понадобится позвать их агента: «сходи найди факты, я подожду, дальше сам». Казалось бы — обычный HTTP-запрос, и дело с концом. А дело не с концом. Чужой агент — это не ручка, которая отдаёт число за 50 мс: он думает минутами, переспрашивает посреди работы, отваливается по таймауту, а результат хочет отдавать потоком. Натянуть всё это на голый REST — отдельная боль. Ровно для случая "агент ↔ агент" Google сделал протокол A2A : в марте 2026 вышла версия 1.0, проект уже под крылом Linux Foundation. Разбираю протокол изнутри, жизненный цикл задачи, стриминг, human-in-the-loop — и сервер с клиентом, который поднимается у себя за пять минут.

https://habr.com/ru/articles/1041918/

#agents #a2a #python #autogen #ag2 #ai

Агентные фреймворки: обещали революцию, что осталось в 2026

Два года назад все хотели агента, который «сам пишет код, сам его тестирует и сам деплоит в прод». Сейчас 2026 год. Давайте честно поговорим о том, что из этого взлетело, а что тихо умерло в корпоративных slack-каналах под сообщениями «окей, пока притормозим с агентами».

https://habr.com/ru/articles/1041274/

#LLMагенты #LangChain #LangGraph #AutoGen #MCP #RAG #агентные_системы #AI_в_продакшене #LlamaIndex

Как мы научили AG2 дружить с нормальным DI (и почему это вообще нужно)

Как соединить LLM-агента на AG2 с Dishka в одном DI-контейнере. На рабочем примере: FastAPI + SSE-стрим по AG-UI + Postgres, тулзы с типизированным внедрением сценариев, отдельная транзакция на каждый tool call. Плюс грабли при сборке.

https://habr.com/ru/articles/1034102/

#ии_агенты #ag2 #di #agui #ai_agent #autogen #dishka

Agenti AI, workflow intelligenti e strumenti open source: quali vale davvero la pena provare nel 2026?

Ne ho raccolti diversi in Migliori strumenti AI agentici open source da usare nel 2026, confrontandoli per i vari utilizzi possibili:

🔗 https://www.risposteinformatiche.it/migliori-strumenti-ai-agentici-open-source-2026/

@opensource @linux

#AI #AIagents #OpenSource #Linux #Docker #Automation #UnoLinux #UnoOpenSource #Agenti #n8n #dify #crewai #flowise #langflow #autogen #haystack #openhands

Мультиагентный хаос: как мы собрали команду AI-сотрудников, а получили бесконечное совещание ни о чем

В 2026 году каждый второй стартап обещает заменить команду разработчиков роем AI-агентов. Звучит как мечта уставшего тимлида: один агент пишет код, второй ревьюит, третий деплоит, четвертый отвечает на вопросы в Slack, а пятый, наверное, уже сам заказывает пиццу в офис. Никаких больничных, никаких «я не успеваю», только железная продуктивность 24/7. Я тоже купился. Взял CrewAI, собрал команду из трёх агентов для анализа конкурентов и генерации отчётов. Демо отработало идеально: агенты обменялись парой сообщений, выдали связный Markdown-файл и даже отправили его в Telegram. «Ну всё, — подумал я, — теперь можно увольнять аналитиков и копирайтеров. Будущее наступило». Ровно через четыре часа после запуска на реальной задаче я наблюдал картину, достойную сюрреалистического полотна: пять AI-агентов устроили бесконечный митинг в духе худших корпоративных созвонов. Они перебивали друг друга, уточняли уже уточнённое, ходили по кругу и, кажется, начали обсуждать погоду. Один агент назначил себя лидом и раздавал указания, которые остальные игнорировали. Другой пытался писать в файл, который в этот момент читал третий. Спустя 127 вызовов LLM и сожжённые $4.30 на API-ключах я остановил этот цирк вручную. В этой статье я расскажу, почему готовые мультиагентные фреймворки превращают вашу задачу в хаос, как мы построили систему, которая действительно работает, и в каких случаях проще вообще не связываться с мультиагентностью. Спойлер: LLM — не главная проблема. Проблема — в архитектуре оркестрации, которую многие принимают за магию. Как остановить этот хаос и написать граф

https://habr.com/ru/articles/1026856/

#мультиагентные_системы #crewai #langgraph #autogen #оркестрация_агентов #llm #архитектура_ai

via #AIFoundry : Microsoft Agent Framework Reaches Release Candidate

https://ift.tt/K29Y7nv
#MicrosoftAgentFramework #ReleaseCandidate #GA #Foundry #AIFramework #AgentFramework #SemanticKernel #AutoGen #OpenSource #NET #Python #MultiLanguage #AzureOpenAI #MicrosoftFoundry #AI…

Migrate your Semantic Kernel and AutoGen projects to Microsoft Agent Framework Release Candidate

https://devblogs.microsoft.com/semantic-kernel/migrate-your-semantic-kernel-and-autogen-projects-to-microsoft-agent-framework-release-candidate/

#agentframework #dotnet #python #autogen #semantickernel #foundry #ai #agents

Nghiên cứu viên逆 biên dịch thành công Microsoft AutoGen và giảm độ trễ 85% (13,4s → 1,6s) trong quá trình suy luận của tác nhân. Cải tiến này cho phép thực hiện song song và giảm thời gian chờ. #AutoGen #Microsoft #NLP #TríTuệNhânTạo #MachineLearning #PhátTriểnTríTuệNhânTạo #SuyLuậnTácNhân #CảiTiếnĐộTrễ

https://www.reddit.com/r/LocalLLaMA/comments/1qn2n4p/i_reverseengineered_microsoft_autogens_reasoning/

Конец эры «одноядерного» разума: Почему будущее ИИ — это гонка архитектур, а не параметров

Современные ИИ-системы переживают не просто кризис доверия, а настоящий структурный тупик. Большие языковые модели демонстрируют чудеса в спринте, способны написать стихи, объяснить формулу или пошутить. Однако реальный мир не состоит из коротких задач. Проектирование реактора, управление логистикой или помощь хирургу напоминают марафон, где одна ошибка на одном из километров обесценивает всё проделанное. Мы уперлись в «стену» монолитности. Идея о том, что чем больше параметров, тем умнее модель, заходит в тупик. Исследования OpenAI, Anthropic и многочисленные препринты показывают, что при увеличении длины рассуждений точность падает катастрофически. Условные сто процентов в начале цепочки превращаются в пятьдесят или шестьдесят к её середине. Такой результат указывает не на дефект мощности, а на фундаментальный предел «одноядерного» подхода. Мы пытаемся загрузить всю сложность мира в один «черный ящик», который перегревается от обилия контекста. История процессоров уже проходила этот этап. В начале двухтысячных мы разгоняли тактовые частоты до предела, пока не ударились о физический «тепловой барьер». Индустрии пришлось сменить парадигму, отказаться от "гигантских одноядерных монстров" и перейти к многоядерным архитектурам.

https://habr.com/ru/articles/986978/

#Архитектура_ИИ #Многоагентные_системы #LLM #Распределенный_интеллект #Галлюцинации_ИИ #AutoGen #Цифровой_двойник #Системный_дизайн #Надёжность_ИИ #искусственный_интеллект