Die heutigen KI-Trends
AWS veröffentlichte eine Multi-Account-MCP-Referenzarchitektur, in der Accounts der Fachbereiche ihre Daten und ausgewählten MCP-Tools behalten, während ein zentrales AgentCore Gateway Discovery, Authentifizierung, Authorization und Observability bereitstellt. Das ist relevant, weil es eine konkrete Alternative dazu bietet, sensible Daten zu zentralisieren oder einem einzelnen Agent umfassenden Account-übergreifenden Zugriff zu geben. Teams sollten bei Agent-Plattformen User Identity, Gateway Identity und lokale Service-Authorization von Anfang an als getrennte Aspekte modellieren. Die AWS-Referenzarchitektur
Databricks stellte die Unity Gateway CLI vor. Laut Unternehmen konfiguriert sie zentral zugelassene Coding Agents, Modelle, MCP-Server, Skills, Smart Routing und Ausgabenrichtlinien, während Entwickler unterstützte Agents über ug starten. Databricks beschreibt außerdem Cohort-Rollouts, budgetbewusste Standardwerte für Sessions und zentralen Trace-Export; die genannten 35 Prozent Kostenersparnis durch Smart Routing stammen aus einer internen Evaluation, nicht aus einer unabhängigen Studie. Praktisch heißt das: Trenne die Agent-Frontends der Entwickler von zentral verwalteter Policy, Routing, Ausgabenkontrolle und Telemetrie. Die Databricks-Ankündigung
Langfuse v4.45.2 ergänzt projektbezogene Telemetrie für Batch-Inferenz sowie Retries für temporäre Fehler im AI-Gateway-Pfad. Das ist relevant, weil sich Fehler, Wiederholungen und Evaluation-Läufe in asynchronen Batch-Jobs ohne erstklassige Telemetrie nicht zuverlässig diagnostizieren lassen. Teams sollten für Batch-Jobs projektbezogene Telemetrie aktivieren und Retry-Regeln für temporäre Fehler vor dem produktiven Einsatz testen. Langfuse v4.45.2