据 @DeepLearningAI，DeepLearning.AI 与 Box 推出免费短课《Build AI Apps with MCP Servers: Working with Box Files》，由 Box 的 CTO Ben Kus 授课。来源：DeepLearning.AI 于 X，2025年9月17日。 据 @DeepLearningAI，课程首先构建一个处理从 Box 文件夹手动下载并本地存储文件的 LLM 应用。来源：DeepLearning.AI 于 X，2025年9月17日。 据 @DeepLearningAI，随后学员会将应用重构为兼容 MCP，并连接到 Box MCP 服务器，使应用可通过服务器提供的工具直接在 Box 中处理文件。来源：DeepLearning.AI 于 X，2025年9月17日。 据 @DeepLearningAI，课程最终将方案进化为通过 A2A 协议协调的多智能体系统。来源：DeepLearning.AI 于 X，2025年9月17日。 据 @DeepLearningAI，本次公告聚焦企业文件流程与智能体协作的开发者技能提升，未提及任何加密货币、区块链或代币集成。来源：DeepLearning.AI 于 X，2025年9月17日。

据 @balajis 称，以蜜蜂、萤火虫、狼、鲸、蜻蜓、布谷鸟等命名的群体智能算法，提供了促成加密人群协作与 AI 代理对齐的思路，值得交易者关注该协同主题，来源：@balajis 在 X 于 2025年8月11日发布。在交易层面，可重点跟踪将群智能式协同用于多智能体系统与链上治理的 Web3 项目与 DAO，因为作者明确强调加密社区与 AI 代理的协调方向，来源：@balajis 在 X 于 2025年8月11日发布。交易者可关注协议更新与代码库中涉及蜜蜂、萤火虫、狼、鲸、蜻蜓、布谷鸟等算法并与代理框架或治理工具相关的描述，以判断叙事热度，来源：@balajis 在 X 于 2025年8月11日发布。

根据DeepLearningAI，研究显示多智能体系统失败主要源于规范不当、智能体间不一致和任务验证薄弱。这些问题可能影响加密货币市场中基于AI的交易策略，导致交易执行和风险管理不佳。通过优化提示和重构智能体结构，可以显著减少系统失败，为多智能体AI算法在加密货币交易中的应用带来提升（来源：DeepLearningAI）。