Anaconda推智能体集群与安全测试，加速AI应用交付

Anaconda宣布在平台推出新能力，将智能体开发与自主安全测试深度融合。此次更新将智能体集群（Agent Swarms）和自主红队智能体与受信任的软件包、模型及运行环境整合，旨在帮助开发者加速交付，并在使用前消除安全隐患。开发者可在工具选择上获得更大自由度，同时从初始阶段即内置治理机制。

Anaconda近期针对AI原生开发者的调查显示，智能体集群技术势头强劲，63%的受访者表示正以某种形式向该技术迁移，表明其正迅速成为行业标准实践。随着AI智能体承担更多开发任务并访问企业核心数据，组织亟需同步跟进的安全测试和运行时控制措施。

Enkrypt AI的研究揭示了潜在风险：在四个月内扫描25,264个MCP服务器上的超过268,210个智能体工具后，发现其中73%存在漏洞。因此，开发者需清晰掌握智能体的操作行为、数据访问权限、工具调用情况及其是否在授权范围内行事。

Anaconda首席执行官David DeSanto指出，构建AI应用的企业正面临快速迭代压力与公众安全担忧的两难境地。引入智能体集群和自主红队测试，将使客户能够实现“与安全建设同步”的开发速度，在生产前识别并最小化风险。

基于对Kilo Code、Enkrypt AI和Outerbounds的最新收购，Anaconda通过以下三项新能力帮助企业构建并强化其AI Dev Factory：

整合智能体工具与受信任组件，让开发者和数据科学家在保持模型自由度和成本优化的前提下加速工作。

Agent Swarms（智能体集群）：首次通过主要AI工作区Kilo扩展至VS Code，动态协调多个智能体并行构建、共享上下文并优化Token成本。
Kilo Desktop本地AI开发：集软件工程、数据科学与安全Python环境管理于一体，提供500+ AI模型、19,000+经过审核的软件包、本地模型执行以及用户与智能体共同编辑和运行单元格的实时笔记本会话。
Sign in with ChatGPT：允许用户无需额外登录或增加Token成本即可访问所有Kilo功能界面。
Source-built packages（源码构建软件包）：新增13,000+经过严格审核的AI、ML和Python软件包，进一步扩充全球最大的源码构建库。
Model Catalog（模型目录）：提供77个经过审核的开源模型的精选库访问权限，在不牺牲治理的前提下扩大开发者选择。
MCP支持：通过新的Anaconda MCP，将相同的信任与治理机制延伸至智能体工具调用。

提供持续的安全测试和运行时保护，帮助团队在发布前发现弱点，并在AI系统演进过程中管理风险。

Red-teaming（红队测试）：涵盖300多种攻击类别，对模型、智能体和MCP进行挑战，实时适应以暴露部署和生产中的弱点。
Guardrails（护栏机制）：扩展运行时保护能力，对智能体、工具、RAG（检索增强生成）和MCP中的高风险行为进行批准、修改或拦截。
Agent Incident Registry（智能体事件注册表）：提供行业首创的经验证且来源可追溯的公开报告智能体事件记录，提供一种独立于厂商声明之外的安全确认方式。

提供可重复的工作流程和可复现的运行环境，使团队能够将AI可靠地从开发阶段规模化推进至测试和生产阶段。

Orchestration workflows（编排工作流）：原生集成AI Artifacts功能，提供贯穿开发到生产全流程的受控软件包、模型及安全许可策略。
Interactive inference（交互式推理）：允许团队直接从Anaconda模型目录部署模型并进行查询获取结果，无需单独的部署步骤。
Reproducible container images（可复现容器镜像）：由FastBakery自动构建，编译conda和PyPI依赖项（包括原生库），生成pip-only工具无法制作的镜像。

Omdia首席分析师Mark Beccue指出，安全性和可见性是区分成功扩展AI企业与停滞不前企业的关键因素。研究发现，72%的组织认为管理日益增长的系统自主权对其AI战略至关重要，这凸显了安全与可见性必须与智能体发展速度同步的需求。

IntraPhone产品负责人Robert Björne表示，Kilo消除了其最大瓶颈，使团队从被技术债务困扰转变为工单处理不完。他称：“智能体集群是下一步，它协调多个工作流同时进行，将一名开发者一天的工作量转化为一个小团队的产出。”