JSON-RPC 2.0
PulseAugur coverage of JSON-RPC 2.0 — every cluster mentioning JSON-RPC 2.0 across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
Boardroom AI 推出 Revenue Control，支持 CRM 数据的令牌范围多租户
Boardroom AI 开发了 Revenue Control，这是一款专为通过 WhatsApp 和 Instagram 等消息平台与客户互动的企业设计的 AI 销售代理。该代理与 CRM 集成，负责潜在客户资格审查、预约安排以及将客户互动记录到 CRM 中。为解决数据隐私问题，该系统采用令牌范围的多租户、默认屏蔽的个人身份信息 (PII) 以及审计的读取访问权限，确保 AI 模型能够查询 CRM 数据，同时不损害敏感的客户信息。
-
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 标准使 AI 智能体能够与外部系统交互 · 跟踪 8 个来源
模型上下文协议 (MCP) 是一项开放标准，通过暴露工具和数据，使 AI 智能体能够与外部系统进行交互。最近的几篇文章详细介绍了 MCP 在各种应用中的实现和优势，从管理电子邮件和日历到安全部署软件以及构建企业工具代理。MCP 通过将现有的 REST API 和 OpenAPI 规范转换为可调用的智能体工具，使 Claude 和 ChatGPT 等 AI 助手能够查询数据库、触发部署和管理工作流，从而简化操作并增强 AI 智能体的能力。
-
模型上下文协议（MCP）成为AI领域的USB-C标准
模型上下文协议（MCP）正逐渐成为AI代理与外部工具和数据集成的重要标准，其普及程度可与USB-C相媲美。该协议标准化了AI模型与各种系统交互的方式，通过减少为每个框架编写定制封装器的需求，简化了开发和部署。MCP使AI代理能够访问资源、执行工具和调用工作流，同时由宿主系统管理用户同意和日志记录。尽管MCP促进了连接性，但确保AI代理理解并安全地与复杂系统交互仍然是一个重大挑战，需要强大的安全措施和谨慎的系统设计。
-
AI代理易受MCP工作流间接提示注入攻击
本教程详细介绍了如何在模型上下文协议（MCP）服务器工作流中审计和利用间接提示注入。这种漏洞，也称为跨域提示注入（XPIA），当AI代理处理包含隐藏指令的不可信外部数据时产生。与直接提示注入不同，这些攻击通过在MCP工具（如网页或文件）获取的内容中嵌入恶意命令来劫持代理的控制流。教程概述了技术基础，包括MCP会话中使用的JSON-RPC 2.0执行循环，以演示LLM解析器如何误解这些外部数据为系统指令。
-
PHP stdio MCP 服务器实现细节，用于可靠的代理通信
本文详细介绍了使用 PHP 实现符合标准的 stdio MCP 服务器，重点关注编码代理和服务器进程之间可靠通信的挑战和解决方案。涵盖的关键方面包括确保只有一个进程写入 stdout 以维护数据完整性、实施严格的传入请求字节限制以防止资源耗尽，以及处理 JSON 解码歧义以正确区分请求参数的 JSON 对象和数组。作者通过将诊断消息定向到 stderr 并提供 stdout 上的通用错误帧来保护敏感信息，强调了强大的错误处理。
-
新工具可在数秒内将OpenAPI规范转换为Claude Desktop工具
一款名为MCP Bridge的新开源工具简化了将现有OpenAPI文档化API与Claude Desktop集成的过程。以前，开发人员必须编写自定义代码将API操作映射到Claude Desktop的模型上下文协议（MCP）。MCP Bridge自动化了此转换过程，允许用户直接在浏览器中，在不到60秒的时间内从OpenAPI规范生成功能性的Claude Desktop工具。这种方法通过将API令牌和模式保留在用户的本地计算机上，从而提高了安全性。
-
AI代理受益于将事实与指令分开
本文讨论了在AI代理的上下文中将事实数据与指令性文本分开的重要性。文章认为，虽然文本对于细致的指令和判断很有效，但像YAML这样的结构化数据格式更适合项目细节和操作事实等事实信息。作者以AGENTS.md和project.faf为例，说明了保持这些不同的格式可以防止数据过时，并确保人类和代理读者都能获得准确的信息。
-
xbrowser 发货 MCP 服务器以集成 AI 代理
模型上下文协议 (MCP) 正在成为 AI 代理发现和交互 CLI 工具的标准。xbrowser 团队在一天内为其浏览器自动化 CLI xbrowser mcp 开发并发布了一个 MCP 服务器。他们选择手动编写 JSON-RPC 2.0 协议层，而不是使用官方 SDK，理由是该协议的简单性、依赖性管理和可调试性适合他们的特定用例。
-
未跟踪的AI服务器利用开发人员工具，带来安全风险
未跟踪的模型上下文协议（MCP）服务器正在开发人员机器上迅速传播，带来重大的安全风险。这些服务器通常通过简单的JSON文件编辑进行安装，以继承的开发人员凭据运行，并绕过EDR和MDM等传统安全工具。MCP标准最初来自Anthropic，现归LF Projects管理，它简化了LLM集成，但允许未经授权访问本地文件系统、内部存储库和数据库。为了解决这个问题，提出了Bifrost和Bifrost Edge作为集中式AI网关控制和设备级别允…
-
curlhub.sh 现在支持 MCP，可准确生成 AI curl 命令
curlhub.sh 已更新为充当模型上下文协议 (MCP) 服务器，使 AI 助手能够正确生成和执行 curl 命令。此新功能解决了语言模型经常生成错误引用的 curl 命令这一常见问题，该问题会导致静默错误或意外行为。curlhub.sh 现在确保所有插值值的正确 POSIX 单引号转义，从而防止 shell 解释问题并保证命令的准确执行。
-
模型上下文协议 (MCP) 使 AI 模型能够访问外部数据
模型上下文协议 (MCP) 是一项新兴标准，使 Anthropic 的 Claude 等 AI 模型能够安全地访问外部数据和工具。该协议充当桥梁，允许 Java 应用程序以结构化、按需的方式向 AI 模型公开资源和功能。与将上下文输入 AI 提示的传统方法相比，MCP 提供了标准化、通过避免嵌入式凭证增强了安全性，并提高了可扩展性。
-
MCP 端点为 AI 模型服务，而非开发者，采用优先发现协议
文章解释了模型中心协议 (MCP) 端点的概念，该端点旨在为 AI 模型提供服务，而不是为人类开发者。与传统 API 不同，MCP 端点使用 JSON-RPC 2.0 和单一的 `/mcp` 路径来促进优先发现的交互。这使得模型在调用它们之前能够查询可用工具，通过通俗易懂的描述理解其目的，并接收详细的参数模式，从而有效地将文档作为数据提供。
-
业务应用集成模型上下文协议以实现安全的AI交互
一家公司在其49个业务应用程序中实施了模型上下文协议（MCP），使其能够与语言模型进行交互。该协议允许对数据进行只读访问，通过不公开写入访问工具来防止模型对实时发票登记簿进行意外更改。这种方法确保模型不会被说服执行其未被明确允许的操作，从而维护数据完整性和安全性。此外，MCP密钥继承其代表用户的权限，确保所有操作都经过记录并可归因，从而避免创建并行的授权系统。
-
AI 代理现已直接控制 Burp Suite 进行渗透测试
一种新方法将 AI 代理直接集成到 Burp Suite 等渗透测试工具中，从而简化了安全工作流程。该系统利用 OpenCode、模型上下文协议 (MCP) 和 Burp Suite MCP 服务器扩展，允许 AI 代理查询代理历史记录、分析端点并发送测试请求，而无需手动复制粘贴。MCP 作为标准化的通信层，使 AI 模型能够与外部工具和资源进行交互，从而提高安全专业人员的效率。
-
自主代理整合MCP、A2A和MPP以执行复杂任务
文章详细介绍了自主代理如何通过整合三种关键协议来运作：MCP用于工具发现，A2A用于代理间协调，MPP用于交易处理。MCP通过协商过程使代理能够查找和理解可用工具，支持静态、动态和语义发现方法，网关根据用户权限过滤工具。A2A允许代理通过发布描述其能力的“代理卡”来相互委托任务，从而实现超越简单API调用的有状态交互和进度报告。这种分层方法通过允许代理无缝地发现、协调和交易，从而促进了复杂的工作流程。
-
AI开发者常误解Model Context Protocol设计，导致集成失败
Model Context Protocol (MCP)对于AI系统与外部数据交互至关重要，特别是对于Claude Certified Architect (CCA)考生。开发者在设计MCP服务器时常犯一些常见错误，例如将其视为传统的REST API，而不是利用其基于JSON-RPC 2.0的、有状态的连接模型。一个关键错误是创建太多细粒度的工具来镜像数据库操作，这会压垮AI模型；更好的方法是围绕用户意图和能力来设计工具。此外，许多实…
-
Microsoft 使 Azure Logic Apps 成为 AI 代理工具服务器
Microsoft 已启用 Azure Logic Apps 作为 MCP 服务器，允许 AI 代理利用超过 1,400 个连接器作为工具。此预览功能自 2026 年 3 月起可用，提供两种设置方法：一种用于开发和测试的直接方法，以及通过 API Center 为企业使用的更受管制的方法。直接方法速度更快，但缺乏速率限制等治理功能，而 API Center 方法则与 API Management 集成以增强安全性和可发现性。一个关…
-
开发者通过MCP服务器将AI助手与计算器工具集成
一位开发者使用Cloudflare Workers创建了一个MCP（模型上下文协议）服务器，允许像Claude这样的AI助手直接调用外部工具，而不是猜测计算。该服务器基于JSON-RPC 2.0构建，是无状态的，并与现有的计算器网站共享代码，公开了73个纯计算和基于文本的工具。每个工具的响应都包含一个用于透明度和引用的源URL，但需要浏览器端执行的更复杂的工具（如图像转换器）未能集成。
-
MCP 协议转向 Streamable HTTP，弃用旧版 SSE 传输
MCP 协议已从旧的 HTTP+SSE 传输迁移到新的 Streamable HTTP 传输，该变更已于 2025 年 3 月 26 日正式记录。两种传输方式都承载 JSON-RPC 2.0 消息，但在实现上存在显著差异。旧版 HTTP+SSE 方法使用独立的通道进行服务器到客户端和客户端到服务器的通信，需要持久连接和状态管理。相比之下，Streamable HTTP 将通信整合到一个端点，支持通过 POST 进行请求/响应以及可选的…