Skip to content

Agent 核心研究与竞品动态 · 2026-09-18 ​

Asia/Shanghai · 仅收录达到 meaningful new developments 阈值的公开技术与产品变化。

返回每日动态索引

当日结论 ​

今天最强的共同信号是:“恢复同一会话”正在被拆成更精确的执行合同:当前 Host、当前 Turn 的环境快照、当前 Provider outcome、当前 Reviewer authority、当前 Credential namespace 与当前 Workspace branch 都需要分别证明。 长期 Agent 可以保留上下文,但不能因为 Session 仍然存在,就自动继承旧 Host、旧审批、旧 Credential 或旧工作分支的执行权。

1. Kazuhiro Sera / OpenAI Agents Python:v0.22.3 正式发布,Conditional Approval 开始对“审批时看到的参数”和“实际执行参数”做一致性约束 ​

状态:RELEASED · v0.22.3(2026-09-18 Asia/Shanghai)

Kazuhiro Sera(seratch)发布了 OpenAI Agents Python v0.22.3。这次 patch release 的核心不是新增 API,而是把一组执行边界修得更严格:

  • Conditional approval 只有在参数准备后仍能证明“审批所检查的值”与“Python Tool 实际会执行的值”一致时,才调用 callable approval policy;如果 defaults、coercion、application model、custom validation、regex/plugin 等让输入发生不可安全比较的变化,则改为人工审批,而不是用 raw arguments 做决定后执行另一组值。
  • Server-managed resume 保留本地已经产生但尚未送达的 tool-not-found output,避免恢复时漏交或错误重复。
  • SQLite / AdvancedSQLiteSession 修复并发初始化、branch identity、历史 tool usage 等持久化边界。
  • Windows host 的 sandbox command path 保持 POSIX 语义;早期关闭 Codex event stream 会正确回收 subprocess。
  • 文档明确 Unix-local 边界:Linux 不增加 OS command confinement;macOS filesystem restriction 也不等于 network isolation。

为什么重要: Approval 的对象必须是最终将产生 Effect 的那组规范化输入,而不是 UI/Decorator 最早看到的字符串。另一方面,Session resume 也必须区分“结果已产生、已持久化、已交付、已消费”。

与 CodeFlowMu/FCoP 的关系: ADMIN/QA/EVAL approval receipt 应绑定规范化 Effect/Arguments 与 policy revision;如果执行前参数经过 transform,旧 approval 不应继续有效。

值得互动:非常高。 技术切入:Will approval receipts eventually bind the prepared/normalized argument digest so a resumed or transformed tool call can prove it is executing exactly what was approved?

2. OpenAI Codex:Running Turn 冻结自己的 Environment Snapshot;Provider Gateway Credential 获得独立 OAuth 生命周期 ​

状态:#46310 MERGED;#46318 MERGED

Codex #46310 让环境选择变化只影响下一 Turn。运行中的 Turn 继续使用自己已经激活的 environment snapshot 与 MCP workspace roots;用户在这一 Turn 中切换 remote/local environment,只会保存为 future selection,不能把正在执行的 Tool 或 pending setup 半路重定向。Manual compaction 也会先停止当前 task,再采用新的 environment。

随后 #46318 为 model-provider gateway 增加完整 OAuth credential manager:PKCE browser sign-in、loopback callback、过期/拒绝后的 refresh、跨进程串行化 token exchange/persistence,以及独立 encrypted namespace + 独立 keyring key。更关键的是,refresh rotation 在 caller cancellation 后仍会完成保存;save 失败的 rotated credential 会保留为 pending。实现还明确要求:Credential refresh 以后,调用方仍必须自己判断原请求是否安全 replay。

为什么重要: 配置改变和 Credential 更新都不能偷偷改变当前 Effect 的身份。Turn 应拥有 frozen execution context;Credential refresh 只解决“下一次用什么 Credential”,不能自动授予“重发上一次 Effect”的权力。

与 CodeFlowMu/FCoP 的关系: 可以进一步固定:Turn/Run Generation → Environment/Host Snapshot → Credential Identity → Effect Identity → Replay Eligibility。

值得互动:高。 技术切入:Will the active environment snapshot and provider OAuth credential generation become part of a single execution-context digest attached to tool/effect receipts?

3. Paperclip:Named Agent Reviewer 已成为一条正式、窄授权、可恢复的 Review Handoff ​

状态:#13581 MERGED

Paperclip #13581 修复了 native child task 请求另一名 Agent reviewer 时的正式协作路径。此前 reviewer wake 会被“不是 assignee / 不持有 execution lock”拒绝,child 留在 review,parent 也一直等待。

现在 reviewer admission 会绑定精确的 company、issue、source run、decision、revision、addressee 与 resolver policy。Reviewer 只获得读取 child context / history / documents 与 resolve_review 的窄控制面;child 原 assignee 不变。Reviewer run、durable wake 与 child execution lock 必须在同一个 transaction 中 claim;存在竞争 lock 时 Provider 不启动。只有当前 Running reviewer session、当前 issue lock、精确 card/decision 才能 resolve;stale、reassigned、unrelated review 一律拒绝。

接受或拒绝的 review outcome 会作为 parent continuation evidence,但不因此改变 issue ownership,也不授予其他 Tool authority。项目还补齐 durable reviewer wake、stale-card / abandoned-run recovery 和 duplicate wake 防护,并用 Codex/Claude 做了 live review-handoff checks。

为什么重要: “Reviewer 是另一 Agent”终于不是聊天层概念,而是正式的 responsibility / authority object。

与 CodeFlowMu/FCoP 的关系: 这与独立 EVAL / QA 非常接近:Review 可以进入 parent 的证据链,但 Reviewer 的裁决权应被限定到指定 review object,不应借 review 身份获得普通 TASK mutation 权。

学习:非常高|竞争风险:很高|雷达判断:Paperclip 继续最高优先级。

值得互动:非常高。 技术切入:Will reviewer assignment eventually carry a durable evaluator identity/model boundary so a review receipt proves not only which agent resolved it, but which independent evaluation channel produced the decision?

4. Paperclip:真实 Run JWT 已在 /proc/<pid>/cmdline / ps 中被捕获,Credential isolation 出现高价值安全事故 ​

状态:#13572 OPEN / NOT MERGED

Paperclip #13572 记录了一个真实 credential exposure:系统在每次 Agent Prompt 中教授 curl -H "Authorization: Bearer $PAPERCLIP_API_KEY" ...。Linux 上 /proc/<pid>/cmdline 与 ps -ww -eo args 可以让同 Host、同 UID 的其他进程在 curl 存活期间读取 argv。项目用持续 /proc sampler 实际捕获到了工作中 Agent 的真实 Run JWT,这不是理论风险。

当前 Run JWT 又没有可用于提前 revoke 的 jti / denylist,因此候选修复选择 prevention:把 Authorization header 从 argv 移到 stdin(curl -H @-),同时修改 Prompt template、多个 Adapter、Skills 与 artifact-upload 路径,并加入先证明 detector 能抓到泄漏、再证明修复路径 0 hit 的 RED/GREEN 回归测试。

PR 仍未合入,而且仓库里还有若干 pinned skill snapshots、scripts、workflow/docs 示例尚未纳入本修复,所以不能写成“已经解决”。

为什么重要: Environment variable 本身不是 Credential isolation;Agent 学到的命令模式也会改变 Secret 的实际暴露面。

与 CodeFlowMu/FCoP 的关系: Host 准入除了检查“Secret 是否以 env 注入”,还应检查 Tool/Prompt 是否把 Secret 复制到 argv、日志、shell history、checkpoint 或 persisted session。

学习:非常高|竞争风险:很高|雷达判断:提高 Credential Projection / Host Co-tenancy 权重。

值得互动:非常高。 技术切入:Would Paperclip move from denylisting unsafe examples toward an allowlisted credential-transport primitive so agents never need to construct bearer headers themselves?

5. Paperclip:Durable exe.dev VM 把“Run 生命周期”和“Environment 生命周期”正式拆开 ​

状态:#13575 OPEN / EXPERIMENTAL / OFF BY DEFAULT

Paperclip #13575 增加实验性的 durable exe.dev environment:一个 environment 绑定一个持久 VM,而每个 Agent/Workspace Run 使用独立可复用 lease。Run 结束或取消不会删除 VM 与磁盘;Task-scoped directory 可跨 Turn 保留,native runner 通过预构建、固定 digest 的 Linux image 与 provider pack 运行。

当前验证相当深入:8 leases / 64 concurrent commands、SSH loss、disk continuity、timeout、cancellation isolation、escaped descendants、private HTTP、VM reboot 等 14 项 live stress checks;另有 27 个 paid browser cases 和多种 provider compatibility / recovery / warm-session 检查。但项目也明确写出边界:同一 VM 上的 Agents 必须互相信任,目录与 systemd cgroup 不是 tenant security boundary;没有 autosleep / HTTP wake 保证;实验默认关闭,没有 production rollout。

为什么重要: 数字员工工作站开始从“每次任务开一个临时 Sandbox”走向“长期 Environment + 短期 Run Lease”。这更接近真正长期数字员工。

与 CodeFlowMu/FCoP 的关系: 多 Host 可以借鉴 Environment Identity ≠ Run Lease ≠ Workspace Identity。持久 Host/VM 上的状态可跨 Run 保留,但每一轮 execution authority 应重新 claim;缺失或被替换的 VM identity 必须 fail closed。

学习:非常高|竞争风险:很高|雷达判断:Paperclip 的 multi-host / durable-workstation 权重继续上调。

值得互动:高。 技术切入:Will durable VM identity, image digest, workspace lease and provider-pack digest be bound into one run receipt so recovery can prove which long-lived environment actually executed the effect?

6. Orca:Host-scoped Resume、显式 Provider Outcome 与 14,000 Desktop Fleet 的真实控制面压力,共同指向“Session ≠ Run ≠ Host” ​

状态:#21288 OPEN;#21278 OPEN;#21303 MERGED

Orca 今天三条变化放在一起非常有价值:

  • #21288:真实问题中,一个在 Host A 创建的 provider session ID 被拿到 Host B 上执行 resume,Host B 根本没有对应 transcript,最终报 “No conversation found with session ID”。候选修复要求 resume issuer 先检查 execution-host provenance;若记录明确属于另一 Host,则拒绝 resume 并保留证据。对无法正证明 host mismatch 的旧记录仍保持 fail-open,作者没有伪造未知 provenance。
  • #21278:structured turn 的 lifecycle {state:"completed"} 过去同时覆盖成功与 Provider error。候选增加独立 outcome: success | failure | cancellation;旧记录或无法确认的情况 outcome 缺失即 UNKNOWN,绝不能解释成 success。Lifecycle 只表示 Host 看到了 Turn 结束,Provider outcome 是另一事实。
  • #21303 已合入,来自约 14,000 Desktop 的 production fleet:每台每 30 秒写一次 lease heartbeat,约 470 个独立 DB writes/s,造成 5–12 秒 fleet stall,手机 pairing 失败和 Desktop reconnect。现在 relay cell 每秒批量更新最多 200 个 lease,并用 FOR UPDATE ... SKIP LOCKED 跳过单个 contended host,避免一个锁阻塞整个 cell。

为什么重要: Session ID 不是 Run ID,也不是 Host identity;“Turn 已结束”不是 Provider 成功;fleet 心跳也不是普通后台指标,而是影响远程控制可用性的核心 Runtime contract。

与 CodeFlowMu/FCoP 的关系: 多 Host/房间线可以明确拆成 Provider Session Alias → Canonical Run → Execution Host → Lifecycle → Provider Outcome,并让每个字段有独立证据来源。

学习:非常高|竞争风险:中高|雷达判断:继续提高 Orca 的 multi-host / settlement / fleet-control 权重。

值得互动:非常高。 技术切入:Do you plan to make canonical runId the common foreign key for host provenance, provider outcome, delivery settlement and replay eligibility, with provider session ids remaining aliases only?

7. OpenHands:Agent Profile 的 Tool 权限开始由 Server 实时 Catalog 决定,而不是 UI 硬编码 ​

状态:#17516 OPEN / NOT MERGED

OpenHands #17516 正把 Agent Profile 的 Tool selection 从 Canvas 硬编码列表迁移到 Server-authoritative catalog。过去 UI 因为 Server 无法回答“当前可运行工具有哪些”,只能维护自己的 curated list;现在依赖新的 Software Agent SDK endpoint GET /api/tools/catalog,由 Server 提供 runnable catalog 与 materialized effective tool set。

UI 的 Standard tools 将显示 Server 实际解析后的集合,Choose tools 也只从可运行 catalog 中选择;retired 但已存储的 tool 不会静默丢掉,而会保留可见。能力通过 tool_catalog_v1 capability gate:旧 Server 不支持时,UI 隐藏 picker,而且保存时不发送 tools 字段,避免旧 Client/Server 组合误改权限。

当前 PR 仍依赖尚未发布的 software-agent-sdk PR,因此功能在 SDK 发布前有意保持隐藏。

为什么重要: UI 不能自己发明 Runtime capability。Tool 权力的事实源应是 Server/Host 当前可运行能力,再由 Profile 做授权投影。

与 CodeFlowMu/FCoP 的关系: Host 准入完成以后,UI、Worker、PM/EVAL 都应该投射同一份 Detected Capabilities → Adopted Capability Set,而不是各自维护工具列表。

值得互动:高。 技术切入:Will the effective tool set carry a catalog revision/capability digest so a long-lived profile can detect when its stored grant references a tool whose runtime semantics changed?

8. Superset:Cloud Workspace 获得独立工作分支,手机创建 Cloud Workspace 时的图片也能进入远端 Sandbox ​

状态:#7620 MERGED;#7622 MERGED

Superset #7620 修复 Cloud Workspace 直接站在 base branch 上工作的问题。现在控制面同时保存 baseBranch 与 workspace working branch,工作分支统一采用 superset/<slug>-<id8>,多 repo workspace 的各 checkout 使用同一个逻辑工作分支;PR target 仍指向 base。这样 Agent 不再默认直接在 main 上工作,Control Plane 记录的 branch 也和 Box 真实 checkout 对齐。

随后 #7622 打通了手机创建 Cloud Workspace 时的图片附件:图片先进入 Cloud storage,file IDs 随 launch 进入 Sandbox;host-service 启动后再下载并 materialize 到本地 attachment store,最后通过和其他 Host 相同的 # Attached files prompt block 交给 Agent。失败下载不会阻止主 Prompt 启动。

需要保留边界:两个 PR 的描述都明确说,在提交/早期验证阶段尚未完成真实 Box 的完整 E2E;代码已合入,但不能把“所有 production cloud box 场景已验证”当成事实。

为什么重要: Superset 的 Cloud Workspace 正在形成独立 Workspace Identity、Branch Identity 和跨手机/Cloud 的 Artifact transport,而不只是“远端开一个终端”。

与 CodeFlowMu/FCoP 的关系: 多 Host 设计中可以借鉴:Workspace 不是 Base Repository;上传的 Artifact 也不应依赖目标 Host 在用户点击发送时已经存在。

学习:非常高|竞争风险:非常高|雷达判断:Superset 继续主雷达;提高 Cloud Workspace identity / mobile artifact handoff 权重。

值得互动:高。 技术切入:Will workspace branch identity and attachment materialization both be included in a launch receipt so the first Agent turn can prove which base revision and exact uploaded artifacts it actually received?

跨项目共振 ​

今天可以把共同方向压缩成一条:

恢复的是 Context;重新证明的才是 Authority。

OpenAI Agents 把 approval 对象收紧到规范化输入;Codex 把 running Turn 的 Environment snapshot 冻结,并单独治理 Provider OAuth;Paperclip 把 Reviewer role、Run JWT 与 Durable Environment 拆成不同边界;Orca 把 Provider Session、Run、Host、Lifecycle 与 Outcome 拆开;OpenHands 让 Tool capability 回归 Server 事实源;Superset 让 Cloud Workspace 的 Branch / Artifact 进入明确的启动合同。

对 CodeFlowMu/FCoP,一个越来越稳的执行链是:

Work/Run Identity → Current Task/Turn Generation → Workspace/Branch Identity → Execution Host & Capability Snapshot → Principal/Credential Projection → Reviewer/Approval Authority → Effect → Provider Outcome / Settlement → Replay Eligibility。

这里任何一项发生变化,都不能仅凭“还是同一个 Session”自动继承旧权力。

双源核查说明 ​

本轮同时核查 GitHub 一手变化、官方产品/协议公开渠道与可公开访问的社交线索。Cursor 官方 Changelog 截至本轮最新重大 Agent 发布仍是 2026-09-10 Cursor Projects,没有 9 月 17–18 日新的正式产品发布;MCP 官方 9 月 18 日有 Agents / Triggers & Events 等 Working Group 日程,但公开活动页本身没有比上述一手 PR 更具体、已经形成可验证技术结论的新产物,因此未单独计入动态。

对 41 位人物名单,没有发现身份可可靠确认、发布时间足够新且技术增量高于上述一手工程材料的本人 X/公开社交讨论,因此没有用营销转发补数。Yue Zhao 的重点仓库本轮也没有 9 月 17–18 日的新提交;最近变化仍是已在前两日档报告过的 9 月 16 日 anywhere-agents / agent-config 更新。

最后更新: