签名只能证明工具由谁发布，不能保证它运行时不泄露数据：一个签名有效、功能正常的MCP工具可以把早前调用中的敏感条目夹带进发往策略允许目的地的请求，Meta的MCPGuard-Dynamic在全部七种配置下都未能拦住。Germline执行改为不检查工具代码，而是让每次调用在从无数据母本进程分叉出的临时副本中运行，每个副本只拿到其目的地有权看到的数据。在153次攻击运行中未检出未授权泄露，而基线防御与消融为5.9%–74.5%；单副本调用耗时10–49毫秒。
中子三轴谱仪的一次测量要同时依赖论文、仪器日志、数据文件和专业软件，这些证据此前分散在不同环节，难以追溯。TASCopilot 把这些来源、处理步骤和人工复核决定记录成可检查的证据链，语言模型只负责抽取信息和解释结果，科学计算、校验规则与人工复核决定证据能否支持结论。在 NIST 中子研究中心 BT-7 谱仪上，它从被故意移开 40° 的取向恢复样品转角，与取向矩阵预测相差 0.08°，并完成 40 点自适应测量，40 点全部计数、无拒绝。
英伟达为自家DGX SuperPOD运维开发了AI Factory Operations Agent，让站点可靠性工程师不必逐个查看计算、网络、硬件和调度仪表盘。该智能体由面向不同运维领域的专用子智能体组成，通过MCP协议通信，在生产中检测故障、跨层关联根因并经聊天界面给出建议。框架以Kubernetes控制面应用形式部署，工具调用受只读凭据和RBAC约束，编排框架以实验性开源软件发布。
BenchSci与Patsnap宣布，Patsnap的生命科学与专利MCP服务器已可在EMET中使用，科学家连接自己的Patsnap订阅后，就能在EMET内直接查询药物、靶点、临床、专利与文献数据。此前，专利、临床与竞争情报存放在实验设计环境之外的独立系统中，回答“还有谁就该靶点提交了申请”或“同类化合物临床进展如何”往往要离开研究流程另行检索。EMET一侧提供生物证据知识图谱与编排层，使智能体能判断何时需要调用Patsnap情报；该集成现已可用，但需要单独经Patsnap授权的MCP订阅。
ToolSpace把智能体训练环境的合成顺序倒过来：先从真实MCP服务与公开智能体语料的执行轨迹中，用确定性规则挖出数据、状态与重试三类工具依赖，聚成环境簇，再按需合成数据库并做带回滚的状态感知随机游走，把可重放的调用链反写成带断言校验的自然语言任务。在七个长程工具使用基准上，Qwen3.6-35B-A3B平均分从23.0升到41.0，加智能体强化学习后为43.2；GLM-5.2从44.6升到56.6。
在可执行能力完全对齐的条件下，MCP 与 CLI 两种接口写法仍会让语言智能体走出不同的任务轨迹。研究用共享语义动作契约构造两套接口，在六个模型、三个交互环境上比较，2,004 对轨迹中有 94.3% 出现结构化分歧；据此设计的 DART 在语义决策已确定时只修复接口表达，使六项基准–接口设置的分数全部提升，最高 9.0 分，并在三个环境的 MCP 下降低 token 开销。
Helical 发布面向 OpenAI Codex 的模型上下文协议（MCP）集成，让研究人员在已有的智能体工具里直接调用生物基础模型，并用自然语言指令在自己的数据上使用和继续训练模型。此前使用这类模型通常需要自行配置基础设施、搭建实验流程。随发布可用的模型之一是 Wellcome Sanger Institute 实验室开发的 PerturbGen，用于预测扰动如何改变细胞轨迹；Helical 与 Nebius 还为学术研究人员提供可申请的免费算力额度。
Adyen 工程师开源了命令行工具 Agent Marketplace，用来在团队、仓库和工具之间共享 AI 智能体资源。此前每种 AI 编码工具把配置放在各自的文件夹、文件格式和字段里，为一种工具写的指令很难在另一种工具里使用。该工具按一份配置文件抓取资源，翻译成各工具期望的格式并写入其查找位置，同一份资源可编译给 Claude Code、Codex、Cursor 等八种工具，重复同步不会产生改动。
nanoHUB上线MCP4MD，把LAMMPS与UMA通用机器学习势接到AI助手上，用户用自然语言描述想知道的材料性质，计算便自动搭建、运行并读回结果。此前这类计算要自己装软件、写输入文件、提交队列脚本。每个数值都标明所用势函数及其拟合参照，并附带误差棒、单位和限定条件警告。
在MCP工具选择中，参数模式比名称和描述更能左右模型选谁：把to改成recipient_id后，五个模型对同一工具的选择率降到1%–10%。