长时程 Agent 距离可靠运行还缺什么？

OpenAI Codex CLI 0.148.0 stable 落地 `codex exec fork` 会话分叉与可调用 MCP 工具的异步 hooks（2026-08-18T22:26Z，一手来源，ev-20260818-02）

Cursor「Cloud Agents and Cursor Harness Improvements」在稳定产品中落地 always-on 系统原语：事件驱动 Subscriptions（订阅 PR/Slack/定时任务并唤醒，自动把自己创建的 PR 推进到完成）、VM-per-subagent 隔离 + swarm、/goal 长期目标、非打断式 steering（2026-08-19，官方 changelog，ev-20260819-01）

OpenAI Codex CLI 0.149.0 stable 落地交互式 agents dashboard（搜索/启动/打开/重命名/停止任务，stable CLI agent 运行时的首个 fleet 管理 UI）与 `codex queue`（向既有本地/远程会话发送消息，排队消息可可靠唤醒 idle 会话，支持重名会话解析）（2026-08-20T21:04Z，一手来源，ev-20260818-02 更新）

OpenAI Codex CLI 0.150.0 stable 落地任务级 `@` 引用与 agent 间消息——「ask agents to read, create, or message tasks」：agent 发起的跨任务/跨 agent 消息进入非 Anthropic stable 运行时；另有 Interrupt hooks（回合中断触发命令/MCP handler）（2026-08-26T19:37Z，一手来源，ev-20260818-02 更新）

Gemini CLI 0.57.0 stable 发布 tag 包含 packages/a2a-server（A2A 协议 server），并以 @google/gemini-cli-a2a-server@0.57.0 发布到 npm；release notes 合并整批 [SSR Agent] 修复——Google 成为在稳定运行时落地协议级 agent 间互操作的第七家组织（2026-08-25T18:37Z，一手来源，ev-20260825-02）

12. OpenAI Agents API（2026-09-10，一手来源，ev-20260910-02）：Codex harness 托管化为平台原语——一次 API 调用创建生产级 cloud agent，编排、跨上下文窗口压缩、tool search、程序化工具调用、MCP、subagent 并行全部内建；harness 层从 CLI 运行时升级为云平台商品（同组织 OpenAI 的加固与新台阶，不新增组织，但把「harness 即平台」钉进产品面）

13. Cursor Projects（2026-09-10，官方 changelog，ev-20260910-03）：coordinator agent 规划分派而非亲自写码、月级任务上下文、项目级共享记忆（后续 agent 复用先前 agent 的知识）、Slack/定时/PR 订阅唤醒——月级自主工作成为主流 coding 工具的管理单元（同组织 Cursor 的加固，不另计组织）

14. GitHub Copilot code review（2026-09-11T20:00Z，一手来源，ev-20260911-11）：Lite review 改为多 agent ensemble，并在 agent firewall 后运行完整 Copilot SDK shell 工具集做构建、测试和定向脚本验证；厂商实验中被采纳的高严重度评论 +47%、成本约 -8%。同组织 GitHub/Microsoft 的运行时加固，不新增组织

15. Agent runtime 与恢复评测进入配对实验（2026-09-14 digest，ev-20260914-02 / ev-20260914-07）：同模型对比未发现 Claude Agent SDK / Codex SDK 相对中立 deepagents 的平均解题率优势，但中立 harness 每解题成本高 1.2–1.6 倍；ParaRecover 以 10,626 个样本、14 类错误测量并行工具调用的定位与重规划——runtime 选择与故障恢复开始有可复用的过程指标

16. runtime、scaffold 与委派拓扑开始可量化（2026-09-15 digest，ev-20260915-02 / ev-20260915-04 / ev-20260915-06）：SWE-bench 前 30 名相邻结果均不可区分，固定模型后的 scaffold 差距最高 29.8 分；生产轨迹给出深层委派的信息损失与成本交叉点；ScienceBuddy 公开 harness 演化与模型训练分层循环。

17. RRSI 与长期合谋研究（2026-09-21，ev-20260921-04 / 06）：自动优化 harness 需要提案预算、留出任务与剪枝来抑制过拟合；持续多 agent 互动又会在奖励冲突下改变协作策略。runtime 既要管理 scaffold 演化，也要管理跨轮次的关系状态。

Microsoft Foundry 把 durable execution、A2A、Routines、tool search 与生产 trace 优化串成平台闭环；Android Studio 通过 ACP 承载可替换 agent（2026-09-24，ev-20260924-07/09）

Microsoft Copilot（2026-09-25，ev-20260925-01）把持续运行的 Autopilot、租户内 Managed Runtime、独立身份/记忆/计算机与 FinOps 治理组合成企业工作区；GitHub Memory 与 Qwen Code Hosted Runtime 同日补强跨 agent 记忆和故障转移

GitHub Copilot 企业托管权限 GA（2026-09-09，一手来源，ev-20260909-02）：管理员对 shell、文件与网络域下发 block/ask/allow 策略，覆盖用户自动批准——通用执行面由组织级 policy 约束

CapScope（2026-09-10 digest，ev-20260910-09）：把 shell、filesystem、network 能力写成 task-scoped contract，prompt injection 成功率从 38.7% 降至 0.8%，独立 verifier 与执行 harness 分层

GitHub Copilot code review（2026-09-11，一手来源，ev-20260911-11）：完整 shell 工具集在 Copilot agent firewall 后运行 build、test 与脚本；能力扩大与隔离层同步上线

《Is Bash All You Need?》（2026-09-14 digest，ev-20260914-01）：两模型、两 enterprise benchmark 的受控实验中，Bash 比 typed tools 高 4.8–24.5 分且少用 19–72% token；研究明确把强沙箱列为采用前提

OATS runtime gate（2026-09-14 digest，ev-20260914-03）：66,192 个 skill 版本中，clean artifact 仍会触发本地策略敏感动作；确定性 resolver 在实时实验中拦下 23/23 次禁用动作，中位 hook 延迟 67.6 毫秒

2026-09-14：计划注入实验在多个设置中造成 25–33% 监测漏检；Claude Code 2.1.271 加入逐命令网络授权（ev-20260914-10；ev-20260814-04 更新）。

2026-09-15 至 16：Gemini CLI 0.60 将 MCP OAuth、路径边界、环境变更确认与工具输出来源加固推入 stable；Claude Code 2.1.273 修复 Bash 权限跳过、危险子 shell 与托管策略优先级；social-harness 实验显示跨主体消息还需要独立的来源、权限、交互协议与治理层（ev-20260825-02 / ev-20260814-04 更新；ev-20260915-07）。

红队研究在 79% 试验中用 agent 自生成 prompt injection 绕过仿 Auto Mode / Guardian 阻断器并执行任意 Bash；multi-agent 与恶意压缩又增加跨上下文路径，说明逐动作模型 monitor 不是完整边界（2026-09-17，ev-20260917-12）