JSON-RPC
PulseAugur coverage of JSON-RPC — every cluster mentioning JSON-RPC across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
AI 编码代理易受通过 Unicode 进行的隐藏元数据攻击
一篇新研究论文详细介绍了一种模型上下文协议（MCP）中的安全漏洞，MCP 是编码代理用于发现和调用外部工具的标准。该漏洞被称为“隐藏编码”，它利用 Unicode 的 TAG 块将恶意元数据负载隐藏在批准对话框中，使其免受人工审查，同时仍将其传递给 AI 模型。研究人员证明，该技术可以绕过常见的客户端防御，并且在多个独立的 MCP 服务器实现中都有效，这表明存在协议级别的缺陷。
-
新的桥接器通过双进程架构将ArcGIS Pro工具暴露给LLM代理
一个名为arcgis-mcp-bridge的新开源项目已被开发出来，用于将ArcGIS Pro地理处理工具暴露给LLM代理。该桥接器在两个独立进程中运行：一个MCP服务器负责通信和验证，一个ArcPy工作进程负责执行实际的GIS操作。这种架构可以防止沉重的、需要授权的ArcPy依赖项破坏主MCP服务器的稳定性，并包含PathGuard等安全功能，以防止未经授权的文件系统访问。
-
Flama 框架简化了构建 AI 代理通信服务器的过程
模型上下文协议 (MCP) 是一项开放标准，旨在使 AI 应用程序能够连接到外部功能。Flama 是一个 Python 框架，提供了构建 MCP 服务器的工具，使开发人员能够向 AI 助手公开函数、数据和提示模板。该协议使用 JSON-RPC 进行通信，通过从 Python 类型提示派生的模式来确保互操作性和类型安全。
-
模型上下文协议 (MCP) 标准化 AI 集成，降低复杂性
模型上下文协议 (MCP) 是一项开放标准，旨在简化 AI 模型与外部工具和数据源的集成。MCP 提供了一种一致的方式供 AI 模型发现和交互功能，而无需为每个代理、框架或语言编写定制的集成代码。该协议将集成问题从 N×M 的复杂性降低到 N+M，显著缩短了开发时间和代码量。MCP 定义了三个核心基元：工具（模型控制的操作）、资源（应用程序通过 URI 控制的数据）和提示（用户控制的模板），使 AI 应用程序能够更有效地访问和利用外部系统。
-
Knot 和 Scriptling 更新引入 JSON-RPC 和沙盒空间
knot v0.28.0 和 scriptling v0.15.0 的最新更新引入了重大的架构变更，包括 JSON-RPC、负载均衡池和沙盒空间。这些增强功能旨在改进系统的底层功能和可扩展性，提供的功能超出了发行说明中直接可见的内容。
-
GitHub Stats MCP 服务器通过 HTTP 传输迁移到云端
作者详细介绍了将 GitHub Stats 模型上下文协议 (MCP) 服务器从本地笔记本环境迁移到云端的过程。这涉及到实现一个可流式传输的 HTTP 传输机制，该机制允许客户端通过标准的 HTTP POST 请求和服务器发送事件 (SSE) 流与服务器通信，取代了之前的基于 stdio 的通信。服务器使用 Docker 进行容器化，并部署在 Hugging Face Spaces 上，以确保它对外部 MCP 客户端（如 Goose）…
-
AWS 和 Cisco 推出用于遗留服务集成的代理覆盖层
AWS 和 Cisco 合作推出了一种名为“代理覆盖层”的新方法，用于将企业遗留服务与新兴的代理间通信 (A2A) 标准集成。这些覆盖层充当薄包装器，将传统的 REST API 转换为可以参与 A2A 交互的代理，而无需重写现有的业务逻辑。该解决方案旨在通过使企业能够在新的代理框架内利用其当前服务来减少代理蔓延和运营复杂性。
-
AI 代理通过模型上下文协议连接到外部服务
像 Claude Code 和 Cursor 这样的 AI 代理可以通过模型上下文协议 (MCP) 与外部服务进行交互。一种方法是使用代理网关（如 PolicyLayer）将这些代理安全地连接到上游 MCP 服务器（如 Stripe 或 GitHub），通过在协议级别检查和过滤工具调用来防止提示注入风险。或者，开发人员可以构建自定义 MCP 服务器，例如为 Confluence 构建一个服务器，该服务器公开 Claude Code 可…
-
在 Cloudflare Workers 上免费部署无状态 MCP 服务器
本指南详细介绍了如何在 Cloudflare Workers 上部署无状态 MCP 服务器，利用其免费套餐实现 24/7 可用性。该过程涉及配置 `wrangler.toml` 文件并将 `run_worker_first` 设置为 `true`，以确保 Worker 在静态资源提供服务之前拦截请求。这种设置非常适合只读 MCP 服务器，因为它们的无状态特性与边缘运行时的功能完美契合。
-
Model Context Protocol 转向无状态传输以增强可扩展性
Model Context Protocol (MCP) 发布了其 2026-07-28 规范的发布候选版本，对其传输层进行了重大重构。此次更新实现了无状态传输，意味着集群中的任何服务器都可以处理任何请求，而无需进行会话特定路由。以前，请求被绑定到单个服务器，阻碍了可扩展性和恢复能力；新设计使每个请求都自包含，必要时将共享状态外部管理。
-
开发者构建MCP服务器以连接AI代理至工具和数据
模型上下文协议（MCP）正成为AI代理与外部工具和数据交互的标准。多篇文章详细介绍了如何构建MCP服务器，从简单的Node.js示例到更复杂的Java和Python实现。这些服务器允许Claude、ChatGPT和Cursor等代理调用函数、访问数据库、浏览GitHub以及检索网站内容，超越了简单的网页抓取，实现了直接的、类型化的API交互。
-
AGTP与MCP集成以增强AI代理安全性
代理传输协议（AGTP）正在与模型上下文协议（MCP）集成，以增强AI代理的安全性和功能性。AGTP提供了代理身份、传输安全和策略执行的框架，而MCP之前缺乏这些功能。一个新的网关组件将AGTP请求转换为MCP的JSON-RPC格式，使MCP服务器能够在不修改的情况下利用AGTP的加密身份验证和范围/预算执行等功能。
-
Spring AI 为 AI 代理实现标准化的工具集成
本文详细介绍了如何使用 Spring AI 构建模型上下文协议 (MCP) 服务器，该服务器为 AI 代理标准化了工具暴露。服务器利用 JSON-RPC 进行结构化请求，并使用服务器发送事件 (SSE) 进行异步流式响应，解决了传统 HTTP 通信的局限性。实现过程包括使用注解定义工具，通过回调提供程序注册它们，并利用 Spring Boot 的自动配置来设置 JSON-RPC 请求和 SSE 流式传输的必要端点。
-
AI 代理通过新的 A2A 协议 v1.0 实现跨平台通信
Microsoft 发布了其 A2A 协议 1.0 版本，这是一个稳定且可投入生产使用的标准，用于 AI 代理之间的跨平台通信。该协议旨在通过为不同供应商和框架的代理提供统一的交互方式，从而消除对自定义集成代码的需求。A2A 协议是一项开放标准，得到了广泛的行业支持，包括 AWS、Google 和 Salesforce 等主要科技公司的贡献。