21CTO导读：本周的一些重要AI进展，供大家思考与想像。

Google 增加了 Data Commons MCP Server、新版本的 Gemini 2.5 Flash 和 Flash-Lite

Google 的Data Commons MCP 服务器新版本将允许 AI 开发者轻松访问 Data Commons 的所有公开数据集。开发者可以通过 Gemini CLI 或 Google Colab 访问它，Google 在 Colab 中也提供了一个示例代理，方便用户轻松上手。

最新版本的Gemini 2.5 Flash-Lite 具有更加出色的指令跟踪能力、更简洁的答案（可降低令牌成本）以及更强大的多模式和翻译功能。

升级后的 Gemini 2.5 Flash 提供了更佳的代理工具使用体验，并且效率更高，从而能够有效降低成本。

OpenAI 向 ChatGPT Business 订阅用户添加共享项目 

OpenAI的ChatGPT Business共享项目允许多人向项目添加文件和说明，这能够让 ChatGPT 为所有参与者提供更具针对性的响应。OpenAI 如此解释说：“成员可以与项目上下文进行聊天，以便在新信息添加时保持一致，并创作出在风格和基调上保持一致的作品。”

OpenAI还为 Gmail、Google 日历、Microsoft Outlook、Microsoft Teams、SharePoint、GitHub、Dropbox 等主流应用添加了新的连接器。这使得 ChatGPT 能够根据这些工具中的信息提供更相关联的答案。

现在，ChatGPT 现已拥有 ISO 27001、27017、27018 和 27701 认证；扩展的 SOC 2 报告；基于角色的访问控制；以及增强的 SSO能力。

微软推出全新 Marketplace，涵盖云解决方案、AI 应用等

微软近日重新“组装”其应用市场（Marketplace），使其成为组织寻找云解决方案、人工智能应用程序和代理的中心场所。

微软如此解释道，这一新的重构将 Azure Marketplace 和 Microsoft AppSource 结合在一起，能够简化云和 AI 管理。

它包含数以万计的云和行业解决方案，能够帮助解决从数据和分析到生产力再到安全等各个方面的问题。它还拥有超过 3,000 个 AI 应用程序和AI代理。

CData 推出 Connect AI，为代理提供企业数据源访问权限

CData（https://www.cdata.com/）公司宣布推出一个新的托管模型上下文协议 (MCP) 平台，该平台汇集了 AI 助手、代理编排、工作流自动化和嵌入式 AI 应用程序，并可访问 300 多个企业数据源。

据该公司称，Connect AI 保留了企业数据中的数据语义和关系，为 AI 代理提供更好的背景，同时仍然提供对数据访问的治理。

CData 的 Connect AI 继承了源系统中设置的现有安全和身份验证协议。数据访问将以经过身份验证的用户或代理的身份进行记录，并且可以在 Connect AI 上分层管理其他控件。

Snowflake 与主流数据公司联手开发语义元数据供应商之中立标准

包括 Snowflake、Salesforce、BlackRock、dbt Labs 和 RelationalAI 在内的多家主流数据公司近日宣布成立一项新的开源计划，以创建用于定义和共享语义元数据的供应商中立标准。

开放语义交换有三个主要目标：

1） 增强跨工具和平台的互操作性

2） 加速 AI 应用普及

3） 与 BI 应用程序的互用以及简化操作

据这家组织称，越来越多的机构依赖于人工智能、商业智能和分析工具的组合，该计划将开发一个共享的语义标准，使这些工具能够“使用相同的语言”。

通过标准化语义的定义和共享方式，开放语义交换希望确保数据受到管理、一致且上下文丰富，从而有助于人工智能的采用。

AWS 推出用于构建浏览器自动化代理的 IDE 扩展

AWS近日宣布推出开源 Nova Act 扩展，该扩展允许开发者在其 IDE 中构建浏览器自动化的AI代理，从而减少了在开发和测试环境之间切换的需要。

借助新的扩展程序，开发人员可以使用自然语言描述其工作流程，然后 Nova Act 扩展程序将生成代理脚本。然后，开发人员可以在笔记本风格的构建器中修改该脚本，并在其中集成 API、数据源和身份验证，并使用本地测试工具进行验证。

AWS 开发者生态首席主管唐尼·普拉科索（Donnie Prakoso）在一篇博文中写道：

“这款扩展将 Nova Act 扩展定位为一个全栈代理构建工具——一个涵盖整个开发生命周期的完整代理 IDE，从而改变了AI代理开发工作流程。我们可以使用自然语言进行原型设计，使用模块化脚本进行自定义，并通过本地测试进行验证——所有这些都无需离开我们的 IDE，从而确保脚本达到生产级水平。”

Sentry 的 AI 代码审查现已进入测试阶段

Sentry的AI代码审查解决方案使用人工智能识别和修复源代码中的问题。

它会自动标记拉取请求中影响较大的问题，以便开发者可以了解错误可能发生的位置和原因。它还可以检测拉取请求中的拼写错误、格式错误和逻辑错误。最后，它可以为拉取请求中的代码生成单元测试。

Sentry 高级产品经理唐尼·普拉科索（Rohan Bhaumik）这样表示说：“使用 Sentry 调试错误更容易的是，一开始就可减少需要调试的错误数量。通过将预测性错误检测与自动化测试相结合，AI 代码审查可以显著减少代码审查中浪费的时间，增强测试覆盖率，并让团队充满很大地信心进行合并。”

作者：场长