微软已开始向最新的Windows 11 Insider版本推出模型上下文协议(MCP)原生支持的公开预览版,这标志着其备受瞩目的"智能体操作系统"愿景正在逐步成为现实。
此次更新正在向Dev和Beta频道的Windows Insider用户推出,作为build 26220.7344的一部分,让用户得以一窥微软在该技术领域的发展方向。乍看之下,这项功能比灾难性的Windows Recall发布要周全得多,但用户对于智能体在操作系统中运行的前景可能仍有顾虑。
微软在今年早些时候的Build活动中预览了这项功能,而Windows Insider Dev和Beta版本的发布则展示了该服务在实际应用中的面貌。
MCP是一个开放标准,为AI智能体提供了与应用程序、工具和服务连接的通用方式。可以将其视为AI领域的USB-C接口。微软并非首家采用MCP的公司,但它决心将Windows打造成智能体操作系统,而这需要原生MCP支持才能发挥作用。
公开预览版中的默认行为是受限制的。微软表示:"默认情况下,Windows设备注册表中的所有智能体连接器都将包含在安全环境中,拥有独立的身份和审计跟踪。"此版本内置了两个连接器——一个用于文件资源管理器,允许智能体在用户同意下访问本地文件,另一个用于Windows设置,允许智能体对设备设置进行更改。
这些功能很吸引人,但微软仍需应对用户对其AI野心的不安和不信任,许多用户更希望公司专注于修复Windows的不足,而不是强行向操作系统中添加更多AI相关功能。该公司的AI负责人穆斯塔法·苏莱曼称对这项技术的冷嘲热讽"令人震惊",尽管客户对公司臭名昭著的"在你喝完咖啡之前,Copilot就能完成你的代码"帖子的负面反应表明,雷德蒙德的优先级目前被认为是错位的。
Windows Insider版本表明,微软正在继续推进其将Windows打造成智能体操作系统的愿景。尽管此次更新包含一些有用的即将推出的功能,如为未加入域的Windows专业版设备开启快速机器恢复,以及期待已久的Windows MIDI Services for MIDI 2.0生产版本,但Windows原生支持MCP的公开预览版的到来才真正指明了未来的方向。
目前还没有迹象表明微软打算何时让Windows的MCP原生支持正式可用,但该技术在Windows Insider Beta频道中的出现表明,这将是迟早的事。
Q&A
Q1:什么是模型上下文协议MCP?它有什么作用?
A:MCP是一个开放标准,为AI智能体提供了与应用程序、工具和服务连接的通用方式。可以将其视为AI领域的USB-C接口,让智能体能够更好地与各种软件和服务进行交互。
Q2:Windows 11的MCP支持包含哪些功能?
A:目前的预览版内置了两个连接器——一个用于文件资源管理器,允许智能体在用户同意下访问本地文件,另一个用于Windows设置,允许智能体对设备设置进行更改。
Q3:用户对微软的智能体操作系统计划有什么担忧?
A:许多用户对微软的AI野心感到不安和不信任,他们更希望公司专注于修复Windows的现有问题,而不是不断添加新的AI功能。用户担心微软的优先级可能存在错位。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。