HTTP
PulseAugur coverage of HTTP — every cluster mentioning HTTP across labs, papers, and developer communities, ranked by signal.
- instance of July 28, 2026 90%
- used by JSON-RPC 70%
- used by MonkeyCode 70%
- uses Standard Input Output 70%
- used by application programming interface 70%
- used by Standard Input Output 70%
- used by Streamable HTTP 70%
- used by Transmission Control Protocol 70%
- used by Merlonix 70%
- instance of Merlonix 70%
- used by @modelcontextprotocol/sdk 70%
- used by Docker 70%
12 天有情绪数据
-
AI 助手通过新的 HTTP 插件获得 x64dbg 的完全控制权
x64dbg 调试器迎来了一款名为 x64dbg-mcp-server 的新插件，它允许 AI 助手控制调试器并与进程内存进行交互。该插件使用 Zig 编写，通过 HTTP 和 JSON-RPC 2.0 协议暴露了 x64dbg 的全部功能，并支持广泛的调试任务命令。服务器访问受到强制性的 Bearer Token 身份验证保护，令牌管理通过插件的配置对话框进行。
-
MCP Atlassian 漏洞允许操作员凭据回退
在 MCP Atlassian 的 0.22.0 及更早版本中发现了一个安全漏洞。当通过 HTTP 发出未经验证身份的请求时，系统会默认使用操作员的 Jira 和 Confluence 凭据。这种回退机制允许未经授权的用户以操作员的权限访问这些工具。MCP 及其工具中的其他几个相关漏洞也已被报告，其中一些已被添加到已知漏洞利用目录中。
-
LLM流式响应需要仔细处理以确认完成
LLM流式响应虽然通过增量显示文本来改善用户体验，但本身并不表示完成。开发人员必须区分内容可用和响应达到已确认的最终状态。不同的LLM提供商，如Claude和OpenAI，在指示流终止和生成结果方面有不同的协议，需要仔细解析生命周期事件、工具片段和错误，而不仅仅是HTTP状态。一个健壮的应用程序需要验证传输关闭、提供商报告的生成结果以及交付的内容是否满足应用程序对可用性的特定约定。
-
开源和AI社区涌现新的AI模型和开发者工具
一个名为cachewhy的新开源项目已被开发出来，用于解决一个昂贵的HTTP缓存错误，专注于提高软件开发效率。另外，一份关于ByteDance的Sa2va-4b-Image模型（可在Replicate上获取）的入门指南已发布，面向AI和机器学习爱好者。这两项内容都突显了软件开发和AI模型可及性方面的进展。
-
AssemblyAI 教程展示如何使用 Go、Twilio 进行实时诈骗电话检测
AssemblyAI 发布了一个教程，演示了如何使用 Go、Twilio 和他们的 LLM Gateway 构建一个实时诈骗电话检测服务。该服务通过 WebSockets 实时转录传入的 Twilio 电话，然后使用 LLM Gateway 分析转录内容是否存在诈骗迹象。这种方法允许立即采取行动，例如警告用户或标记电话，而不是在电话结束后进行分析。
-
Cloudflare 允许选择退出 AI 训练，同时保留搜索索引
Cloudflare 推出一项新功能，允许网站所有者区分用于搜索引擎的内容索引和用于 AI 训练的内容使用。从 2026 年 9 月 15 日开始，网站可以选择退出 AI 训练，同时仍允许搜索引擎爬虫访问，解决了之前如果禁止 AI 训练则完全阻止的绝大部分网络流量。这项集成到 Cloudflare 安全设置中并通过 robots.txt 或 HTTP 标头进行通信的新控件，还包括一个单独的选项来管理代表用户行事的 AI 代理的访问权限。
-
负载均衡器难以满足 LLM 服务需求，'llm-d' 提供解决方案
本文深入探讨了在容器化环境（如 Kubernetes）中使用负载均衡器为大型语言模型 (LLM) 提供服务所面临的挑战。文章强调，传统的负载均衡解决方案，如 nginx、Envoy 和 HAProxy，在处理 LLM 推理的独特需求时可能会失败，而 LLM 推理通常涉及长时间运行、有状态的连接。文章介绍了 'llm-d' 作为解决这些特定 MLOps 挑战的潜在方案。
-
MCP协议安全：AI代理的风险与缓解策略
模型上下文协议（MCP）是连接AI模型与外部工具的标准，但它引入了重大的安全风险。多个来源强调了诸如工具投毒、命令注入和凭证泄露等漏洞，这些漏洞可能被嵌入工具元数据或数据中的恶意指令所利用。实施强大的授权，通常通过MCP网关，对于缓解这些威胁至关重要。该网关充当控制平面，强制执行诸如输入清理、工具过滤和范围限定身份验证等安全策略，以防止未经授权的访问和数据泄露。
-
MCP Python SDK v2.2.0 通过更严格的 HTTP 重定向处理增强安全性
MCP Python SDK 已更新至 2.2.0 版本，引入了更严格的 HTTP 重定向处理以增强安全性。新的默认行为确保客户端仅在重定向保持在原始配置的原点（方案、主机和端口）内时才遵循重定向。此更改可防止客户端在重定向后无意中将身份验证令牌或工具发现请求等敏感信息发送到非预期服务器。建议维护者将端点更改视为安全审查的一部分，确保任何重定向都不会跨越原点边界。
-
LLM 流式传输：第一个 token 之后，开发者面临解析和错误处理挑战
流式传输 LLM 响应在用户体验和避免 HTTP 超时方面具有显著优势，但开发者必须仔细处理初始 token 生成后出现的复杂性。主要挑战包括解析部分 JSON 输出、管理流式传输中发生的错误、实现有效的取消以及设计重试机制以避免用户混淆。虽然启用流式传输通常只需简单的 SDK 更改，但健壮的实现需要为这些初始 token 后的场景进行深思熟虑的规划，以确保应用程序已准备好投入生产。
-
作者认为当前AI并非AGI，并提出了AGI的要求
作者认为，包括OpenAI在内的当前AI模型不符合通用人工智能（AGI）的标准。他们认为，AI系统依赖于确定性的输入输出过程，类似于标准计算，并使用HTTP请求-响应协议。这，以及缓存和记忆化等做法，表明这些系统仅仅是复杂的自动补全工具，而非真正的AGI。作者提出，AGI需要一个不间断的、实时的服务，不依赖于输入缓存，能够无提示地发起通信，并在能够无限增长和自我优化的硬件上运行。
-
用户要求AI机器人进行自定义数据检索和编码协助
用户越来越要求AI机器人能够根据特定文档回答问题，这一趋势在Mastodon上的近期讨论中得到了突出体现。一位用户分享了一个详细的公钥，另一位用户则讲述了一个编码助手被提示生成一个具有重试功能的健壮HTTP客户端的例子。这些例子说明了对能够处理和响应来自自定义数据源信息的AI工具日益增长的需求，尤其是在开发和商业环境中。
-
LLM MCP 安全风险：工具描述、参数验证和成功监控
模型上下文协议（MCP）越来越多地被LLM应用程序用于连接外部工具和数据库，但其安全性却常常被忽视。开发人员通常将工具交互视为简单的库调用，忽略了对MCP层的彻底审查，而这常常是安全漏洞的来源。主要风险包括：模型可能利用的过于宽松的工具描述、导致注入或服务器端请求伪造（SSRF）漏洞的参数验证不足，以及缺乏能够掩盖数据泄露或不当操作的强大成功路径监控。
-
MCP 服务器超时错误导致意外的 28 小时默认值
作者遇到了 MCP 服务器超时的意外行为，发现小于 1000 毫秒的值被忽略，并默认使用了更长的时间。这是由于 MCP 服务器处理超时值的方式发生了变化，之前应用了至少一秒的限制，后来被更改了。此外，作者发现配置了 URL 但未指定类型的服务器被视为 stdio 服务器，导致配置错误，并且出于安全原因，存储库无法批准自己的 MCP 服务器。
-
MCP服务器部署挑战：从本地到托管的转换详解
本文详细介绍了将MCP服务器从本地开发环境迁移到托管的、多用户环境所面临的挑战。关键区别在于处理具有唯一令牌的多个客户端、在网关层面强制执行租户隔离以及为写操作实现请求绑定的批准。作者介绍了一个带有流式HTTP网关的本地实验室环境以及两种工具（documents.list和documents.archive）来演示这些概念，并包含确定性的故障注入，用于测试身份验证、租户边界和工具可用性。
-
开发者调查HTTP MCP客户端连接检查中的25秒网络延迟
一位开发者正在调查一个奇怪的网络问题，其中一些HTTP MCP客户端执行快速连接检查，在不到一秒钟内建立TCP/TLS连接，然后神秘地暂停约25秒才继续。这种在未发送任何应用程序数据期间观察到的延迟，表明存在客户端逻辑问题，例如固定计时器或未能传输的探测。开发者建议在没有服务器访问权限的情况下隔离此问题的方法，包括测量连接日志和第一个应用程序字节之间的时间，以及检查停顿期间是否存在特定的HTTP/2传输。
-
Impri 提供 REST API 和 MCP 服务器用于代理审批工作流
Impri 提供了两种集成人工审核以批准代理操作的方法：直接 REST API 和 MCP 服务器。REST API 要求用户的代码处理轮询和决策逻辑，适用于独立的 Python 工作进程。相比之下，与 Claude Code 或 Claude Desktop 等工具集成的 MCP 服务器可以抽象化轮询循环，简化代理的工作流程。这两种方法都与相同的后端交互并强制执行相同的审批门控，选择哪种取决于代理的执行环境和期望的开发者人体工程学。
-
代理执行涉及HTTP请求和工具使用
此条目讨论了运行代理的技术方面，详细说明了用户操作如何触发到后端的HTTP请求。然后，代理执行其任务，包括使用工具和访问文档。该条目还包含一个公钥，可能用于与代理的操作或安全相关的加密目的。
-
新竞技场连接大语言模型红队攻击与蓝队防御
研究人员开发了ACEA，一个对抗性协同进化竞技场，旨在通过头对头的方式让红队攻击与蓝队防御相互对抗来测试大语言模型（LLMs）。该平台通过标准化的HTTP协议连接各种攻击和防御项目，允许模型无关的参与。ACEA包含一种评估方法，使用种子秘密来区分真实数据泄露与幻觉，并独立于防御成功与否来衡量原始攻击效力。该系统还具有实时可视化和详细报告，以查明失败之处，并提供一个可选的改进循环，为适应性团队提供咨询提示。
-
LLM API 指南：Python、JSON 和工具调用详解
本文为工程师提供了关于如何与大型语言模型 (LLM) API 交互的技术指南。文章解释了 LLM API 的工作方式类似于纯函数，每次调用都需要重新发送完整的对话历史。该指南涵盖了关键方面，例如使用特定角色（system、user、assistant、tool）构建消息数组、处理 API 请求和响应（包括流式传输和结构化 JSON 输出），以及管理工具调用功能和潜在错误（如速率限制）。