JSON-RPC
PulseAugur coverage of JSON-RPC — every cluster mentioning JSON-RPC across labs, papers, and developer communities, ranked by signal.
- uses MCP API 90%
- used by MCP API 90%
- instance of JSON-RPC 2.0 90%
- used by Zod 70%
- instance of Streamable HTTP 70%
- used by Acme Corporation 70%
- used by Standard Input Output 70%
- used by json-schema 70%
- used by Model Context Protocol (MCP) 70%
- used by JSON-RPC 2.0 70%
- used by business-to-business 70%
- uses MCP Gateway 70%
14 天有情绪数据
-
Linux基金会推出MCPA认证，旨在规范AI代理协议
Linux基金会与Agentic AI基金会联合推出了模型上下文协议助理（MCPA）认证，旨在验证对模型上下文协议（MCP）的理解。该开放协议通过标准化的接口，使AI代理和应用程序能够连接到外部工具和数据，从而减少定制化集成的需求。MCPA考试为一次90分钟的多项选择题考试，费用为250美元，涵盖MCP基础知识、架构、交互、安全和用例。该认证面向工程师、平台团队和AI治理专业人士。
-
新的 CLI 工具分析 MCP 工具定义的大小和重复性
一个名为 mcp-footprint 的新命令行工具已被开发出来，用于分析捕获的 MCP 目录中工具定义的大小和重复性。该工具使用 Node.js 构建，通过将保存的工具/列表响应转换为字节计数并生成本地 HTML 报告来帮助开发人员。该报告可以对不同服务器之间的定义大小进行详细比较，识别完全重复的内容，并分析相似的描述，从而提供一个基于字节的工具定义大小代理。
-
模型上下文协议 (MCP) 的安全风险与审计探讨
模型上下文协议 (MCP) 是一项新兴标准，它使 Claude Desktop 和 Claude Code 等 AI 模型能够与本地和远程系统进行交互。这种能力使 AI 代理能够执行工具、查询数据库和访问文件系统，将其从被动的文本生成器转变为活跃的代理。然而，这种增强的功能带来了重大的安全风险，包括任意代码执行、提示注入和凭证泄露，因为这些代理以用户权限在本地执行。文章提出使用一个名为 mcpscan 的静态分析工具来审计 MCP 服…
-
MCP：本地与远程 AI 服务器连接详解
模型上下文协议 (MCP) 为 AI 应用程序提供了两种主要的连接方法：本地 (stdio) 和远程 (Streamable HTTP)。本地服务器作为用户机器上的子进程运行，利用环境变量进行凭证管理，并提供简单的生命周期管理但可访问性有限。远程服务器是托管服务，使用 OAuth 进行身份验证，提供共享访问、集中式数据和更好的可观察性，但需要更复杂的基础设施管理。
-
开发者为 MCP 交易工具实施按调用计费，修复了关键支付错误
一位开发者为 Machine Commerce Protocol (MCP) 工具实施了按调用计费模式，通过 Base 网络上的 x402 协议以 USD Coin 结算付款。核心创新在于修复了一个错误，该错误导致 MCP 客户端吞噬了 JSON-RPC 错误，阻止了代理接收付款挑战。该解决方案涉及将付款要求作为带有 `isError: true` 的成功结果返回，允许代理处理付款信息。这种受 anchor-x402 模式启发的方法，…
-
模型上下文协议 (MCP) 标准化 AI 工具集成
模型上下文协议 (MCP) 是一项旨在简化工具与 AI 助手集成的全新标准。MCP 建立了 AI 主机、客户端和工具服务服务器之间通信的共享协议，允许任何支持 MCP 的工具与任何也支持 MCP 的助手协同工作。该协议涉及一个清晰的握手过程，AI 模型根据工具的描述选择可用工具，然后接收工具的输出以制定响应。MCP 的一个关键方面是工具描述的质量，这直接影响 AI 准确选择和使用正确工具的能力。
-
AI 代理实现 B2B 潜在客户丰富和资格预审自动化
两个不同的开发帖子详细介绍了为业务流程自动化创建 AI 代理。一个描述了一个代理，该代理通过 API 收集网站信息（如 CMS、移动就绪性和联系方式），从而丰富了公司域的电子表格。另一个概述了一个 LLM 代理，该代理旨在为销售团队自动化 B2B 潜在客户资格预审，根据预定义的标准对请求进行分类、在 Telegram 等平台上与潜在客户互动并进行资格预审，然后将其移交给人类经理。这两个项目都强调实际实施以及使用结构化数据来保持 CRM…
-
模型上下文协议 (MCP) 规范化AI工具交互
模型上下文协议 (MCP) 正在成为一种标准化的方法，供AI应用程序发现和交互外部工具和资源，这与传统API不同。多篇文章探讨了MCP的架构、实现及其对AI代理开发的影响。关键方面包括它在使Claude和ChatGPT等AI模型能够访问搜索电子邮件或执行代码等功能方面的作用，MCP的AI到工具的关注点与API的软件到软件通信的区别，以及协议本身之外安全控制的重要性。实现范围从用于验证MCP端点健康的诊断工具到用于管理企业内部工具访问的完整网关。
-
FastMCP 简化了 AI 工具集成，但生产部署需要强大的安全性
模型上下文协议 (MCP) 使 AI 应用程序能够与外部工具和数据进行交互，但安全部署它会带来挑战。FastMCP 通过处理消息交换和会话跟踪来简化通信代码，但它需要独立的生产 OAuth 和授权服务。关键安全注意事项包括验证 bearer 令牌、验证 Host 和 Origin 标头以防止 DNS 重新绑定攻击，以及确保使用 nginx 进行正确的 TLS 配置。本文详细介绍了使用 Docker Compose 的实际部署架构，强调…
-
MCP 代理在不同传输通道之间连接 AI 客户端和服务器
MCP 代理充当中介，通过同时充当 MCP 服务器和客户端来连接 AI 客户端和上游 MCP 服务器。这种设置对于桥接不同的通信传输（如 stdio 和 Streamable HTTP）以及将多个托管工具的 MCP 服务器整合到一个端点下特别有用。该代理负责工具发现和调用，在客户端和服务器之间中继请求和响应，同时管理诸如混淆副官攻击和凭证处理等安全风险。Bifrost 是 Maxim AI 开发的一款开源 AI 网关，它充当 MCP …
-
MCP Server 最佳实践：视为能力边界，而非通用执行环境
本文强调，MCP Server 应作为严格的能力边界运行，而不是作为 AI 模型的通用执行环境。它建议开发人员定义具有清晰模式的狭窄、类型化的工具，并仔细管理输入/输出，特别是 stdout，以防止协议损坏。作者建议采用分阶段的工具开发方法，从最小循环开始，逐步添加工具，同时实施强大的错误处理和输出截断，以确保可操作性和安全性。
-
新的 MCP 服务器将 AI 工具连接到实时 B2B 潜在客户数据
一款新的模型上下文协议 (MCP) 服务器已发布，使 Cursor 和 VS Code Copilot 等 AI 工具能够访问实时 B2B 公司信息和意向数据。该服务器可在本地开发环境中部署，使用严格的 Zod 模式来防止 LLM 幻觉，并提供实时的公司情报、技术栈和购买信号。该服务采用无风险的计量计费模式，用户仅为置信度得分高于 0.6 的成功丰富付费，并为初始使用提供免费套餐。
-
Qdrant 通过新的静态二进制文件简化代理集成
为 Qdrant 向量数据库发布了一个名为 kdrant-mcp 的新组件，它提供了一个静态二进制文件，无需 Python 运行时及其相关依赖项。通过提供一个精简的、自包含的可执行文件，该文件通过标准输出上的 JSON-RPC 进行通信，从而简化了代理的部署。kdrant-mcp 使用 Kotlin 构建，并包含一个针对 Qdrant 的新的协程优先客户端，该客户端具有更小的依赖项占用空间，并能高效地编译为 GraalVM 原生映像。
-
gPTY 发布，成为集成 AI 的终端多路复用器
gPTY 是一款使用 Godot 和 Rust 构建的新型终端多路复用器，旨在与 AI 代理集成。它提供了一个用于终端和代码编辑器等各种面板的平铺网格，一个根据终端输出触发操作的概念捕获引擎，以及一个用于 AI 自动化的 JSON-RPC/MCP 控制面。该工具支持在 Linux、macOS 和 Windows 上跨平台运行，并将设置和工作区持久化保存到 SQLite。
-
Apify MCP服务器更改AI代理工具定义，影响描述
Apify MCP服务器在工具定义呈现给AI代理之前会对其进行修改。对23个Actors的分析显示，只有21.5%的字段描述在到达代理时与原始输入一致，其余的都经过了修改。这些修改虽然通常是合理的，但可能导致意外行为，例如由于包含工具本身前导信息的500个字符限制而导致描述被截断。文章还强调了另外两个不太明显的问：正确的服务器端点和处理空响应。
-
Mastodon 用户报告 JSON-RPC 端点出现 403 错误
一位在 Mastodon 上被识别为“hackaday”的用户报告了一个问题，即 JSON-RPC 端点返回了带有 HTML 内容类型的 403 Forbidden 错误。该用户还分享了一个公钥，暗示可能存在安全或身份验证相关问题。事件发生于 2026 年 9 月 10 日。
-
代理内存协议未能解决并发写入冲突
一次技术讨论探讨了代理内存系统中并发数据写入的复杂性，特别是关注 MCP 协议。作者指出，当前协议未能充分解决两个关键问题：哪个客户端的写入操作最终成功，以及写入失败的客户端是否意识到冲突。这种不确定性可能导致代理使用过时或不正确的信息运行，而最近协议更改移除了会话管理和流恢复功能，加剧了这一问题。虽然协议规定了对头部-主体参数不匹配的错误处理，但对于并发写入和丢失更新的更广泛问题却保持沉默。
-
AI代理在连接性得到改善后，在正确解读Odoo数据方面仍有困难
通过MCP服务器和RPC客户端等工具，将AI代理连接到Odoo进行数据查询已成为可能，但理解数据仍然是一个重大挑战。开发人员遇到了三个常见的陷阱：将“发票”误解为独立的表而不是带有“move_type”区分符的日记账分录；“收入”的歧义性，它可以指总账收入或已开票销售额，但具有不同的日期基准；以及误导性的字段标签，例如“invoice_user_id”，它实际上表示销售人员，而不是发票创建者。解决这些问题需要一个额外的上下文层，将业务…
-
AI代理的MCP服务器成本由往返次数驱动，而非token数量
一项调查使用MCP服务器与AI代理成本的研究表明，主要开销并非token数量，而是工具调用所需的往返次数。研究人员发现，当代理与MCP服务器交互时，它们经常进行多次工具调用，每次调用都会重新发送整个对话历史，从而导致大量的token消耗。优化代理接收工具定义和边界的方式，而不是仅仅限制文本字段，被证明在管理成本方面更有效。该研究还强调，服务器的错误消息可能会无意中引导代理进入重复的、无成效的循环。
-
开发者使用 HTTP 402 在官方注册表中列出了按调用付费的 MCP 工具
一位开发者成功地将用于 QR 码生成、图像处理和文本分析的按调用付费 API 集成到 MCP 服务器中。通过为工具执行实现 HTTP 402 付款挑战，并提供对其他方法的免费访问，该开发者得以在官方 MCP 注册表中列出这些工具。这无需 GitHub 账户或付费域名即可实现，利用了带有自托管密钥和免费主机的 HTTP 身份验证。