thenewstack.io
Anthropic's $300M Stainless deal lands hardest on OpenAI and Google
Anthropic's acquisition of Stainless shuts down a shared SDK generator used by OpenAI, Google, and Cloudflare, reshaping AI developer tooling.
AI Agent 生态速报 | 2026-05-23：所有模型实验室都在变 Agent 实验室
Greg Brockman 宣称「模型本身不再是产品」；Anthropic 以 3 亿美元收购 Stainless 并关闭 SDK 生成服务，OpenAI/Google/Cloudflare 失去共享工具链；MCP 协议发布无状态 RC；OpenClaw 突破 30 万 stars 与 Gemini Spark 形成个人 Agent 托管 vs 自托管分裂；MOSS 自进化 Agent 与 Agentic Workflow 编译研究同步落地。
리서치 브리프
Greg Brockman 5 月 23 日说了一句话，像是给最近几个月的行业动作盖了章：「模型本身不再是产品」1。同一天，Anthropic 以 3 亿美元收购了为 OpenAI、Google、Cloudflare 同时生成 SDK 的 Stainless，并宣布关闭共享 SDK 生成服务2。这两件事放在一起，比任何一件单独来看都更能说明现在的竞争逻辑：模型差距在收窄，工具链控制权成了新的护城河。
「模型不再是产品」：行业级认知转变
AINews 5 月 23 日的每日报告标题直接就叫「All Model Labs are now Agent Labs」1。支撑这个判断的信号同一天集中出现：
- OpenAI：Greg Brockman 说「模型本身不再是产品」，是其一系列强调 Agent/Harness 组合评论中最直接的一次；同日 Codex Thursday No.6 上线，带来 Appshots（截屏即可操作，无需手动粘贴代码）、
/goal改进、锁屏状态下的远程电脑控制、标注模式和插件分享 - AI21：关闭模型团队，转向 Agent 产品线——这是早期模型实验室中少见的明确转向公告
- DeepSeek：官方宣布 V4-Pro 75% 折扣永久化，定价降至约 $0.18/M blended，比 Gemini 3.1 Pro Preview 便宜约 3 倍、比 GPT-5.5 便宜约 12 倍1。模型成本压到这个量级之后，Agent 层的编排和工具链价值才有机会超过底层推理成本
这背后的逻辑 AINews 描述得很精准：当模型「与 harness 协同训练」，提供商就有动力把访问路径收拢到自己的 Agent 产品，而不是开放给所有上层构建者。这对独立框架开发者（LangChain/AutoGen/CrewAI 等）是一个长期信号，需要警惕。
Anthropic 收购 Stainless：开发者工具链争夺进入新阶段
링크 미리보기를 불러오는 중…
Stainless 做的事情乍看朴素：给一份 OpenAPI 规范，自动生成 TypeScript、Python、Go、Java 等多语言 SDK，并保持随 API 变更自动更新2。它估计覆盖了全球约 1/4 专业开发者用过的 SDK，客户包括 OpenAI、Google、Cloudflare、Replicate、Runway。
收购后，Stainless 宣布关闭所有托管产品。现有客户保留已生成的 SDK 版权，但 SDK 生成服务不再对外提供——包括后续随 API 变更自动更新的能力。被影响最大的是竞争对手：
| 被影响方 | 问题 |
|---|---|
| OpenAI / Google / Cloudflare | 失去共享 SDK 生成器，需要重建或转用其他工具 |
| 独立 MCP 服务器生成方 | Stainless 同时生成 MCP 服务器，也一并停用 |
| 中小型 AI API 公司 | 同等规模重建内部 SDK 工具链成本偏高 |
这是 Anthropic 第三次类似收购：2025 年 12 月买了 JavaScript 运行时 Bun，OpenAI 2026 年 3 月买了 Python 工具链 Astral（uv/Ruff），现在 Anthropic 再买 SDK 层2。这三次收购的共同逻辑：运行时、包管理器、SDK 生成器是开发者工作流的每日接触层，一旦内化，迁移成本就以微小但持续的方式累积。Bun 和 Astral 保持了开源，Stainless 则选择关闭托管服务——这是程度上的差别，也可能是后续讨论的焦点。
MCP 2026-07-28 RC：协议无状态化，影响运维架构
MCP 最新 Release Candidate（预计 7 月 28 日正式发布）带来了一项根本性变化：协议无状态化3。
核心改动：
- 移除
Mcp-Session-Id头——协议层不再有会话概念，需要状态的工具通过请求 payload 传递显式状态句柄 - 移除初始化握手流程——协议版本、客户端能力随每个请求的
_meta块传输，新增MCP-Protocol-Version必填请求头 - 移除可恢复 SSE 流——长时任务迁移至新的 MCP Tasks 扩展
同时新增两个一级原语：
- MCP Apps：服务端通过
ui://URI 提供 UI 模板，客户端在沙箱 iframe 渲染，无需额外集成即可在 Agent/Human-in-the-loop 界面展示交互表单 - MCP Tasks：长时异步任务状态机；任务 ID 具备不记名令牌语义，任务生命周期可超出单次连接
对团队的实际影响：无状态化让横向扩展更简单（不需要粘性会话），但也意味着现有依赖会话保持的 MCP 服务需要改造状态管理方式。已经在生产部署 MCP 服务器的团队建议提前评估迁移工作量。
OpenClaw 30 万 stars vs Gemini Spark：个人 Agent 层的分裂
링크 미리보기를 불러오는 중…
OpenClaw 在 4 月突破 30 万 GitHub stars，成为 GitHub 增速最快的仓库之一。它的核心卖点：在你自己的设备（比如 Mac mini）上运行，凭证在你手里4。
5 月 20 日 Google I/O 发布的 Gemini Spark 做的是完全相反的赌注：跑在 Google Cloud 的虚拟机上，你不知道机器在哪里，但它已经连通了 Gmail、Docs、Sheets，无需手动配置4。
TNS 对此有一个判断值得参考：「Dropbox 打败了家用 NAS，Gmail 打败了自建邮件服务器。托管方案对大多数用户来说几乎总是赢的，因为大多数人愿意用控制权换取不用思考。」但这里的关键不同点在于：把文件交给 Dropbox 和把有权读写你的 Gmail、Docs、日历的 Agent 交给 Google，是两类完全不同的数据信任关系4。
对开发者的判断：自托管路线不会消失，它会形成一个规模较小但粘性更强的细分——关注凭证控制权的企业和开发者。两条路在 MCP 工具连接层正在趋同，但底层基础设施的归属在此之后将是持久的分歧。
研究前沿：自进化 Agent 与 Agent 编译
Requesty 汇总了 5/19–5/23 一周最值得关注的五项技术进展，其中两项对产品设计影响最直接5：
링크 미리보기를 불러오는 중…
MOSS（自进化 Agent）：Agent 识别自身逻辑的弱点，对特定模块的 Python/TypeScript 源代码进行改写，通过自动化测试后部署改进版本。这不是 prompt 调整，而是字面意义上修改源文件。配套的 Ratchet 框架提供非散度分析，防止 Agent 把自己改坏。实际意义：把「人工审查日志 → 手动更新 → 推送」这个循环变为自动化——提升速度，也带来新的审计需求。
Agentic Workflow 编译进模型权重：把多步 Agent 流水线（规划→研究→写作→审查）提炼成单次前向推断，成本降低约 100 倍、延迟从 30 秒降到 2 秒，且质量接近前沿水平。逻辑是：一旦 Agent 工作流稳定下来，就可以把它「编译」成更轻量的模型，处理 80% 常规请求，边缘情况仍走完整 Agent 管线。这是一个对 Agent 成本经济学冲击较大的方向，值得在工程规划中纳入考量5。
安全：Anthropic Project Glasswing，一个月 1 万+ 漏洞
Anthropic 披露了 Project Glasswing 的初步结果：与合作伙伴一起，在一个月内在关键软件中找到超过 1 万个高危或严重漏洞，并明确警告行业需要为 Claude Mythos Preview 这类模型能产出的漏洞数量做好准备1。Perplexity 同日开源了 Bumblebee，一个 macOS/Linux 只读扫描工具，用于检测高风险包、扩展和 AI 工具配置。
这两件事放在一起的含义：AI 发现漏洞的速度已经远超人工修复速度，安全工程的规模和节奏都需要跟着 Agent 能力重新校准。
今日几个值得持续跟踪的点：
- Anthropic Stainless 收购关闭 SDK 服务后，OpenAI 和 Google 会如何调整 SDK 维护策略
- MCP 2026-07-28 RC 的无状态化对现有框架（LangChain/LangGraph 等）的适配进度
- Codex Appshots 功能在实际编码工作流中的用户反馈，相比 Claude Code 和 Cursor 的差异点
이 콘텐츠를 둘러싼 관점이나 맥락을 계속 보강해 보세요.