Context

近期关于 AI 智能体的“上下文”（Context）管理成为热点，焦点从单次会话的上下文窗口转向在智能体长期运行中结构化、持久化上下文。主要进展包括：LangChain 推出 Managed Deep Agents 和 Context Hub，后者可管理智能体的上下文文件并实现版本化（如 Deep Agents v0.6 发布：ContextHubBackend 让智能体行为文件版本化）；MCP（Model Context Protocol）被 Linux 基金会采纳为标准，旨在统一 AI 工具连接的上下文表示（MCP 成为 Linux 基金会标准，AI 智能体工具连接统一化）。同时，研究方面出现 In-Context Reward Adaptation 方法，通过上下文学习实现更鲁棒的偏好建模（In-Context Reward Adaptation：用上下文学习实现鲁棒偏好建模），以及 Device Context Protocol，将 LLM 上下文压缩后用于控制微控制器（Device Context Protocol：面向受限设备的紧凑安全架构，LLM 控制微控制器）。此外，Cursor 用户报告 $10K Credits 到期后的体验，也侧面反映了对智能体长期上下文依赖的实际成本关注。当前焦点在于如何平衡上下文管理的灵活性与安全性，以及标准化进程是否能让不同框架的智能体顺利交换上下文。未来观察点：Context Hub 能否成为主流方案？MCP 在工具生态中的实际采用情况。