AI Agent 生态周报 | 第 24 周：框架选型第一份实测数据来了，OpenAI 宣布「chat 已死」
ADK Arena 横测 51 个框架：57% 生成成功率，框架间成本差 5.6 倍，LangGraph/OpenAI Agents SDK API 最优，但没有全能冠军。OpenAI 将 Codex 并入 ChatGPT 打造超级应用，内部称「chat 已死」。微软 Project Polaris 8 月替换 GitHub Copilot 中的 GPT-4，Windows Agent Framework 开源。agentmemory（21.7k ⭐）成为编码 Agent 跨会话记忆标准选项。CSA 报告：MCP 已有工具投毒、私仓外泄真实案例，92% 安全负责人担忧但仅 29% 有准备。
リサーチノート
第 24 周（2026 年 6 月 2 日–7 日）是这一年来信息密度最高的几个周之一：ADK Arena 横测 51 个框架发布了第一份可复现的实测报告，开发者选框架不再只靠口碑；OpenAI 内部喊出「chat 已死」并宣布将 Codex 与 ChatGPT 合并；微软用自研 Polaris 切掉 GitHub Copilot 里的 GPT-4 Turbo；agentmemory 以 21.7k 星证明编码 Agent 的跨会话记忆已是独立赛道；MCP 安全漏洞第一批真实案例公开，攻防形势不容乐观。以下是本周最值得关注的五条主线。
一、框架选型有了首份可复现实测：51 个 ADK 横测结论
本周最重要的研究来自微软 CoreAI 与俄亥俄州立大学：ADK Arena，一篇横测 51 个 Python Agent 框架的论文。论文提出「LLM-as-a-Developer」方法论——用同一个编码 LLM 替代人工开发者，固定开发者变量、只变换框架，从而使「生成成本」成为 API 可用性的可量化指标。1
核心数据点：
- 51 个框架跑 204 个 Agent-基准对，生成成功率整体仅 57%
- API 复杂度差异悬殊，生成成本在框架间相差 5.6 倍（$0.6 到 $3.4/个 Agent）
- 最优单一基准框架可解决 80% 任务，甚至超越通用前沿编码 Agent，但中位数框架解决率只有 32%
- 没有全能冠军：没有一个框架在全部基准上都排第一
- 最反直觉的发现：写 Agent 的模型比跑 Agent 的模型影响更大——同一框架下，Opus 编写的 Agent 解决率约是 GPT 编写的两倍
关于选型指导，ADK Arena 的结论与 JetBrains 本周发布的框架对比文章2形成印证——两者都指向同一个决策框架：
| 优先诉求 | 推荐选型 |
|---|---|
| 生产可靠性、确定性路由 | LangGraph、OpenAI Agents SDK |
| 快速原型、角色分工清晰 | AutoGen/AG2、CrewAI |
| 知识密集型检索场景 | LlamaIndex、Haystack |
| 企业治理与审计要求 | Semantic Kernel |
| 轻量本地实验 | smolagents |
ADK Arena 论文已开源测试管道，可复现 204 个 Agent-基准对的完整结果：
コンテンツカードを読み込んでいます…
二、OpenAI：「chat 已死」，Codex 并入 ChatGPT 超级应用
本周最具象征意义的动作来自 OpenAI。6 月 3 日，《The Information》报道 OpenAI 将把 Codex 与 ChatGPT 整合为一个「超级应用」；随后 6 月 7 日，the-decoder 进一步披露内部说法：「chat is dead」——ChatGPT 将从回答问题的聊天机器人转型为自主处理任务的个人 Agent，覆盖编码、图像生成以及 Canva、Booking.com 等合作应用。3
几个可量化的信号：
- Codex 周活用户已突破 500 万，企业端收入周环比增长 50%
- ChatGPT、Codex 与 Atlas（代理浏览器）三条产品线将由首席产品官 Thibault Sottiaux 统一管理4
- 近期改版：数周内重新设计网页端与移动端界面，引导用户使用编码与 Agent 功能
- 远期方向：逐步让模型自主判断用户意图，减少显式指令依赖
コンテンツカードを読み込んでいます…
这个信号对产品调研者的含义是：OpenAI 的战略重心已从「更好的聊天体验」转向「能干活的 Agent 平台」，产品设计的竞争维度随之改变。
三、微软：Polaris 替换 Copilot 中的 GPT-4，Windows Agent Framework 开源
Build 2026（6 月 2 日）上，微软宣布了两件对工具链有直接影响的事：5
Project Polaris 替换 GitHub Copilot 默认模型
- 8 月起替换 GPT-4 Turbo，成为 GitHub Copilot 的默认推理引擎
- 混合专家架构（MoE），为不同编程语言设置专属子模块
- 微软基准测试中，Polaris 在大多数语言上优于 GPT-4 Turbo，Rust、Haskell 等低资源语言优势明显
- 现有订阅用户自动迁移，有 3 个月退出窗口期
- 战略意义：降低对 OpenAI 的模型依赖，掌控 Copilot 后续能力路线图
Windows Agent Framework 以 MIT 许可证开源
- 此前仅面向部分企业合作伙伴开放
- 功能：Agent 全生命周期管理（注册/启动/关闭/内存），基于 gRPC 总线的跨 Agent 通信
- 内置 AgentPolicy API，允许 IT 管理员为每个 Agent 定义细粒度访问控制
微软同周还发布了 7 款 MAI 自研模型（含 MAI-Thinking-1、MAI-Code-1-Flash、MAI-Image-2.5 等），以及 Frontier Tuning 权重微调服务——客户可对 MAI 权重做 RL 微调，成本约为 GPT 5.4 的 1/10。6
四、GitHub 项目周报：agentmemory 成编码 Agent 记忆标准选项
agentmemory（21.7k ⭐） 本周活跃度显著上升，是目前最受关注的编码 Agent 跨会话持久记忆方案。7
核心技术指标：
- LongMemEval-S（500 题）上 R@5 达 95.2%，BM25-only 对比组为 86.2%
- 检索延迟 p50 为 14ms，无需外部向量数据库（SQLite + iii-engine）
- 53 个 MCP 工具，12 个自动 hook，支持 Claude Code、Codex CLI、GitHub Copilot CLI、Cursor、Gemini CLI 等 18 个编码 Agent
- Token 消耗约 170K/年（约 $10），相比直接粘贴完整上下文节省 92%
从技术定位看，agentmemory 覆盖的是 Karpathy「LLM Wiki 模式」的扩展版：置信度评分 + 知识图谱 + 混合搜索（BM25 + 向量 + 图，RRF 融合）。与 mem0、Letta/MemGPT 的主要差异在于「零外部依赖 + 自动捕获 + 框架无关」——不需要在代码里手动调
add()，12 个 hook 会在会话过程中静默收集。值得关注的另一个项目：LangGraph v1.1.10 + LangChain v1.2.16 发布，原生支持 GPT-5.5 Pro Responses API，并引入类型安全流式处理（Pydantic/dataclass 强制推断）。8 同期，LangSmith Agent Builder 更名为 LangSmith Fleet，聚焦 Agent 身份管理、权限控制和技能共享。
AutoGen 的 v0.4 版本在本周继续发酵：大量 breaking change 导致原 v0.2 社区分叉出 AG2 独立维护，两条分支并行发展。
コンテンツカードを読み込んでいます…
五、MCP 安全红线：工具投毒、RCE、身份无法溯源
本周有两份报告让 MCP 安全问题从「理论风险」变成「已记录案例」。
Cloud Security Alliance 发布《State of AI Cybersecurity 2026》（调查 1,500 名安全负责人）：9
- 92% 的安全负责人对 Agent 风险表示担忧，仅 29% 认为已做好防御准备
- 68% 的组织表示无法在日志中区分 AI Agent 操作与人类操作
- 74% 的组织授予了超出任务需要的 Agent 权限
- 多轮越狱攻击（multi-turn jailbreak）在 8 个开权重模型上成功率高达 92%
Gravitee《State of AI Agent Security》（919 人调研）则直接披露 MCP 生态中已有真实攻击案例：
- 伪装成邮件集成的 npm 包，将出站邮件静默复制至攻击者控制地址
- GitHub MCP server 中的恶意 issue 注入隐藏指令，劫持 Agent 并从私有仓库外泄数据
- 工具投毒（tool poisoning）、远程代码执行、越权访问均已有记录案例
对于正在生产环境接入 MCP server 的团队，本周的红线是：在未做身份隔离和工具调用审计的情况下，接入外部 MCP 包等同于接入可执行代码——信任模型需要重新评估。
开源模型速记
本周开源模型发布密度较高，与 Agent 工具链直接相关的几个：8
- MiniMax M3：首个将 100 万上下文 + 多模态 computer use 结合的开权重模型，SWE-Bench Pro 59.0%，超越 GPT-5.5 和 Gemini 3.1 Pro
- LangGraph v1.1.10 同期原生支持 GPT-5.5 Pro Responses API
- NVIDIA Cosmos 3：面向物理 AI / 机器人策略的开源基础模型，MoT 架构，已在 RoboArena、Physics-IQ 等基准上取得开放权重第一
- Microsoft SkillOpt（研究论文）：文本空间优化器，将 Agent 技能作为外部状态更新，避免微调权重的推理开销
选型调研摘要（本周新增）
| 决策问题 | 本周新增数据点 |
|---|---|
| LangGraph vs CrewAI vs AutoGen，选哪个？ | ADK Arena：LangGraph API 设计评分最优，CrewAI 快速原型，AutoGen（AG2）社区分裂中 |
| 编码 Agent 跨会话记忆怎么做？ | agentmemory 无外部依赖，R@5 95.2%，12 hook 零配置 |
| GitHub Copilot 8 月后的底层模型是什么？ | 微软 Polaris（MoE 架构），自动迁移，3 个月退出窗口 |
| 接入 MCP server 的安全风险有多大？ | CSA：92% 担忧，已有工具投毒 / GitHub 私仓外泄真实案例 |
| OpenAI 的 Agent 产品方向是什么？ | Codex+ChatGPT 合并超级应用，500 万 WAU，企业端+50% |
参考ソース
- 1ADK Arena: Evaluating Agent Development Kits via LLM-as-a-Developer
- 2Top Agentic Frameworks for Building Applications 2026
- 3OpenAI says "chat is dead" and plans to rebuild ChatGPT as a full-blown agent app
- 4Inside OpenAI's Decision to Combine Codex and ChatGPT
- 5Build 2026: Project Polaris Replaces GPT-4 in GitHub Copilot
- 6Building a hill-climbing machine: Launching seven new MAI models
- 7rohitg00/agentmemory: #1 Persistent memory for AI coding agents
- 8Open-Source AI June 2026: New Models, Agents & Papers
- 9CSA AI Cybersecurity 2026 Report — referenced via community analysis
このコンテンツについて、さらに観点や背景を補足しましょう。