Слоят от инструменти, които разработчиците досега използваха за изграждане на LLM приложения – системи за индексиране, машини за заявки и сложни агентни цикли – започва да се разпада. Според Джери Лиу, съосновател и изпълнителен директор на LlamaIndex, това не е криза, а естествена еволюция на технологичния стек [1].

С всяка нова версия, моделите демонстрират все по-голяма способност да разсъждават над огромни количества неструктурирани данни, справяйки се по-добре от хората. Протоколи като MCP позволяват на моделите сами да откриват и използват инструменти, без да е необходима индивидуална интеграция за всеки от тях.

Сървърите, оперирани от Ubuntu и компанията майка Canonical, са офлайн от четвъртък сутринта поради мащабна и продължителна DDoS атака. Сривът се случва в критичен момент, затруднявайки комуникацията относно тежка уязвимост в ядрото на Linux, която позволява придобиване на root права [1].

Атаката е насочена срещу ключови домейни, включително security.ubuntu.com и archive.ubuntu.com, което блокира нормалното изтегляне на актуализации за сигурност. Въпреки че огледалните сървъри (mirrors) продължават да функционират, официалните канали за насоки и пачове остават недостъпни.

Model Context Protocol (MCP), отвореният стандарт на Anthropic за комуникация между ИИ агенти и инструменти, е изправен пред фундаментална архитектурна критика. Изследователи от OX Security откриха уязвимост в стандартния STDIO транспорт, която позволява отдалечено изпълнение на код (RCE) на стотици хиляди сървъри [1].

Проблемът се корени в начина, по който MCP обработва команди чрез стандартния вход/изход (STDIO). По подразбиране протоколът изпълнява всяка операционна система команда, която получи, без санитаризация или проверка. Зловредна команда може да бъде изпълнена, като системата връща грешка едва след като действието вече е приключило.

Екипите, внедряващи изкуствен интелект в предприятията, все по-често се сблъскват с неочаквана пречка: не моделите са проблемът, а работните процеси под тях. Традиционните бизнес процедури никога не са били проектирани за ИИ агенти – те разчитат на човешка преценка, неявни решения и години натрупан опит. Когато един агент се опита да ги изпълни буквално, системата се „чупи“.

За да реши този проблем, Salesforce представи Agentforce Operations – нова платформа за управление на работните потоци, която превръща административните задачи в ясна поредица от стъпки за специализирани агенти [1].

Uber разкри амбициозен дългосрочен план, който надхвърля обикновеното посредничество при превози. Компанията възнамерява да оборудва автомобилите на своите милиони шофьори със сензори, за да събира данни от реалния свят за разработчиците на автономни превозни средства (AV) и компаниите, обучаващи ИИ модели [1].

Планът бе обявен от Правен Непали Нага, главен технологичен директор на Uber, по време на събитието StrictlyVC на TechCrunch в Сан Франциско. Тази инициатива е естествено продължение на новосъздаденото подразделение AV Labs.

В света, където 90% от кода на водещи компании като Anthropic вече се пише от изкуствен интелект, дефиницията за „софтуерен инженер“ претърпява фундаментална трансформация. В скорошен разговор между Тим О'Райли и Кет Ву (продуктов лидер в Anthropic) се очертава бъдеще, в което техническото изпълнение е стока, а преценката и „вкусът“ са новите активи [1].

Инструментът Claude Code, започнал като страничен проект в Anthropic, за два месеца се превърна в основно средство за работа на целия екип. Този органичен растеж показва, че ИИ не просто помага, а поема основния товар на разработката.