JSON-RPC
PulseAugur coverage of JSON-RPC — every cluster mentioning JSON-RPC across labs, papers, and developer communities, ranked by signal.
- used by Streamable HTTP 90%
- instance of JSON-RPC 2.0 90%
- used by Zod 70%
- used by Standard Input Output 70%
- used by Acme Corporation 70%
- used by json-schema 70%
- used by JSON-RPC 2.0 70%
- used by Model Context Protocol (MCP) 70%
- competes with REST APIs 60%
- developed Zod 50%
- used by REST APIs 50%
- other Streamable HTTP 50%
21 天有情绪数据
-
新的MCP服务器通过B2B潜在客户丰富增强AI销售工作流程
一款新的模型上下文协议（MCP）服务器已发布，通过提供实时的企业对企业（B2B）潜在客户丰富来增强AI驱动的销售开发代表（SDR）工作流程。该服务器提供深入的组织情报，包括公司信息、技术信息和意向信号，并带有置信度评分系统以确保数据准确性。它旨在与Claude Desktop和Cursor等工具无缝集成，利用JSON-RPC进行精确的数据解析，并提供一种无风险、计量的计费模式，用户仅为高置信度的丰富信息付费。
-
Genome of Games 通过静态页面、图谱、搜索索引和 MCP 提供知识
Genome of Games 项目开发了一种提供结构化知识的新颖方法，通过四个不同的界面发布了 1,180 条记录：静态 HTML 页面、交互式图谱、搜索索引和模型上下文协议 (MCP) 服务器。该系统使用单一构建过程生成所有输出，确保一致性并减少数据陈旧。特别是 MCP 服务器，它静态地提供数据，而不是查询实时 API，预先连接相关信息，以便在一次往返中为代理提供全面的负载。
-
Story-cli MCP服务器调试揭示3个关键Node.js stdio协议Bug
一位开发者在调试story-cli项目的一个服务器时遇到了意外问题，该服务器通过stdio使用MCP协议。尽管所有自动化测试都通过了，但服务器未能响应实际请求。调查揭示了三个与Node.js进程管理和stdio协议相关的关键bug。这些包括不当使用`process.exit()`、将调试日志打印到stdout而非stderr，以及在`close`事件中未能正确等待异步操作完成。
-
新的linter检测MCP工具调用收据中的伪造数据攻击
研究人员在模型上下文协议（MCP）中发现了一个安全漏洞，受损的上游服务可以将伪造的数据注入到工具调用收据中。这种攻击利用了那些在签名之前不递归剥离保留字段的代理，导致了经过加密证明的恶意数据。为解决此问题，建议采用特定的操作顺序——剥离、规范化、哈希，然后签名——并且已经开发了一个轻量级的7.5KB linter工具来检测MCP响应中的这些漏洞。
-
MCP 工具模式漂移对 AI 代理构成隐患
两篇文章讨论了 MCP（模型通信协议）框架中“工具模式漂移”的挑战，其中服务器的广告工具或其输入模式的更改可能会破坏代理而不会触发标准的监控警报。第一篇文章提出了一种使用 TypeScript 验证和有序工具表面的快照在部署前捕获结构接口更改的方法。第二篇文章详细介绍了各种类型的漂移，强调这些合同更改对于传统的正常运行时间检查是不可见的，并可能导致代理故障。两者都强调需要进行特定检查，将当前工具合同与先前版本进行比较，以确保代理的稳定性。
-
超越HTTP 200：新的MCP服务器健康检查协议详解
提出了一种新的MCP（模型通信协议）服务器健康检查方法，超越了简单的HTTP 200响应。该方法涉及更深层次的协议级验证，以确保服务器对AI代理真正可用。这包括检查初始化握手、协议版本健全性、`tools/list`能力、模式漂移和身份验证状态。
-
新工具扫描MCP服务器，查找预装安全漏洞
一款名为trustmcp的新开源工具已被开发出来，用于在安装前扫描模型上下文协议（MCP）服务器是否存在安全漏洞。该工具可识别硬编码密钥、不安全代码模式和缺失的身份验证等问题，并提供安全评分和SARIF报告。开发者还详细介绍了其工具中与非Python代码静态分析和semver范围评分相关的bug，该bug现已修复。此外，讨论还强调了本地（stdio）和远程（HTTP）MCP服务器之间的区别，并着重说明了这一选择如何影响安全性、凭证管理和更新路径。
-
MCP x-mcp-header 验证确保正确的工具模式格式
MCP x-mcp-header 验证机制确保在 Streamable HTTP 传输中使用的工具模式格式正确并遵循特定规则。此验证可防止接受无效模式（例如带有错误后缀或不支持类型的模式），从而避免在后续过程中出现更难诊断的故障。该系统将选定的工具参数复制到 Mcp-Param-* 标头中，中间件和服务器随后可以针对 JSON-RPC 主体对其进行处理和验证。
-
MCP 与 REST API 在 SEO 代理中的对比：一个实用的决策框架
文章提出了一个决策框架，用于在 SEO 代理开发中集成 MCP（元通信协议）和 REST API。文章认为，REST API 适用于可预测的、计划性的任务，其中操作是预先已知的，例如夜间排名监控。而 MCP 更适合需要动态发现和选择可用操作的 AI 客户端，例如 AI 代理调查 SERP 以识别内容差距并决定下一步操作。推荐的架构涉及 SEO 数据提供商通过 REST API 或作业层公开数据，然后将这些数据输入到面向 AI 客户端的…
-
Anthropic 的 MCP 和 Google 的 A2A 满足不同的代理通信需求
模型上下文协议 (MCP) 和 Agent2Agent (A2A) 是用于 AI 代理的独立协议，而非相互竞争的选项。MCP 由 Anthropic 开发，定义了单个代理如何与其自身的工具和资源进行交互，其特点是垂直模型，代理了解并枚举其工具。相比之下，Google 的 A2A 协议（现由 Linux Foundation 管理）促进了自主代理之间的水平通信，将它们视为不透明的黑箱，其内部工作原理不可见。MCP 适用于代理访问其自身定…
-
MCP协议更新：HTTP+SSE 已弃用，推荐使用 stdio 和 Streamable HTTP
MCP协议已发生重大变化，HTTP+SSE传输方法自2025年3月26日起已被弃用。建议开发者避免使用此方法进行新实现。对于在同一台机器上由单个客户端启动服务器的本地通信，推荐使用stdio传输。此方法涉及客户端和服务器通过标准输入和输出流进行通信，并将日志记录到stderr，以避免破坏JSON-RPC消息通道。对于可网络访问的服务器或多客户端场景，首选Streamable HTTP传输，它为每个JSON-RPC消息使用单个POST端…
-
企业MCP网关对于安全Claude代码集成至关重要
文章讨论了企业模型上下文协议（MCP）网关对于管理Claude Code等AI编码代理的必要性。这些网关集中了基础设施，用于保护、路由和审计AI客户端与外部工具之间的通信，解决了直接本地集成中固有的令牌膨胀、凭证蔓延、缺乏审计和单点故障等问题。这些网关的关键评估标准包括联合、动态发现、细粒度安全、身份提供商集成和端点级强制执行，以确保强大且安全的AI开发工作流程。
-
研究发现，没有公共 MCP 服务器使用旧版传输
对 86 个公共 MCP 服务器进行的最新健康检查显示，没有一个服务器使用旧版 HTTP+SSE 传输协议。分析于 2026 年 8 月 4 日进行，发现所有服务器都已采用 Streamable HTTP 传输，该传输使用单个端点进行请求和响应。这一发现与许多当前仍教授旧版双端点方法的教程形成对比。此外，研究强调，86% 的公共服务器需要身份验证，这意味着它们并非真正开放给未经身份验证的访问，并且有相当一部分服务器仍在使用的 prot…
-
新的 MCP 服务器消除了销售自动化中的 LLM 幻觉
已开发出一种新的模型上下文协议 (MCP) 服务器来解决销售自动化中的 LLM 参数幻觉问题。该服务器使用 Zod 强制执行严格的模式验证，确保 Claude 和 Cursor 等 AI 代理能够接收准确且结构化的 B2B 潜在客户丰富数据。该系统提供多层数据检索、意图信号识别和置信度评分机制等功能，并采用无风险的计量计费模式，仅对成功丰富的数据收费。
-
AI工具集成失败，原因在于描述不当，而非服务器错误
一位开发者指出了AI模型与工具交互方式，以及这些工具通常如何被测试之间存在的关键差距。核心问题在于工具的线协议与其被模型感知到的实际接口之间的差异，后者仅包含工具名称、描述和JSON schema。诸如误导性的工具名称、欺骗性的可选参数以及缺乏可操作信息的成功消息等缺陷，即使在服务器本身技术上正确的情况下，也可能导致模型误用和重试。作者主张将工具集成视为一个评估问题，而非传统的测试问题，并强调需要从模型的角度阅读工具描述，并使用意图转…
-
新的 MCP API 为 AI 销售代理群提供实时 B2B 潜在客户丰富功能
一项新的 B2B 潜在客户丰富服务，可通过 MCP 原生 API 服务器访问，旨在为自主销售开发代表 (SDR) 代理群提供实时的公司信息、技术信息和意向数据。该系统通过直接与 LLM 工作流集成，绕过了对自定义中间件的需求，支持使用 Claude Desktop 和 Cursor 等工具构建的代理。该服务采用 Zod 进行严格的数据验证，并采用无风险的计量计费模式，用户仅为高于特定置信度的成功丰富付费。
-
MCP Hook：通过 Stdio 将 LLM 连接到外部工具
模型上下文协议 (MCP) 是一个用于将大型语言模型 (LLM) 与外部工具和数据连接的标准。MCP Hook 指的是使用标准输入/输出 (stdio) 实现此协议的特定方式，用于 LLM 主机和工具服务器之间的通信。这种设置允许 LLM 通过将任务委托给独立的、隔离的进程来与实时数据和系统资源进行交互，从而扩展其超越被动文本生成的能力。
-
Anthropic 的模型上下文协议 (MCP) 标准化 AI 工具集成
模型上下文协议 (MCP) 由 Anthropic 开发，是一项旨在简化 AI 模型与外部工具和数据交互方式的新标准。MCP 旨在通过建立一个通用协议来降低将各种 AI 应用与不同服务集成的复杂性，这类似于 USB-C 如何标准化充电器或 REST 如何标准化 Web API。该协议通过要求每个工具实现一个 MCP 服务器和每个 AI 应用实现一个 MCP 客户端来简化连接，从而大大减少了定制集成的需求。
-
安全执行 AI 生成的 JavaScript 代码需要强大的沙盒机制
执行 AI 生成的 JavaScript 代码存在重大的安全风险，因为模型可能会出现幻觉或故意创建恶意脚本，从而危及主机系统。传统的软件开发依赖于严格的边界和验证，但先进的 AI 代理需要动态代码合成，引入了不可信的输入向量。为了减轻这些危险，开发人员必须实施强大的沙盒机制，类似于微服务如何在短暂的、资源受限的环境中隔离不可信代码，以防止数据泄露或系统故障。
-
AI 代理测试工具绕过模型，使用脚本化输出来进行测试
一位开发者创建了一个工具，可以在无需实时模型的情况下测试 AI 代理的工具调用功能。这个 Function Call Flow Simulator 允许用户编写预期的模型输出脚本，并通过 stdio 在本地重放这些脚本以连接到真实的 MCP 服务器，从而在问题影响客户之前捕获诸如模式漂移或工具重命名等问题。该模拟器可离线运行，免费使用，且无需 API 密钥，旨在简化围绕模型交互的复杂代码的测试。