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.
10 天有情绪数据
-
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…
-
排查 MCP 服务器初始化失败：诊断分类法
本文提供了一个诊断分类法，用于排查 MCP（消息通信协议）服务器的初始化失败问题。文章概述了常见问题，例如端点路径不正确、使用 GET 而非 POST 请求以及协议版本不匹配。该指南针对每种故障模式提供了具体的症状、原因和修复方法，并强调了检查服务器文档或 /.well-known/mcp.json 端点以获取正确配置的重要性。
-
模型上下文协议 (MCP) 治理：企业级 AI 代理的解释
模型上下文协议 (MCP) 是一项开放标准，通过提供统一的客户端-服务器架构来实现工具发现和执行，从而简化了 AI 代理的集成。然而，这种动态特性带来了重大的安全风险，例如不受控制的工具蔓延、未管理的本地服务器以及上下文窗口膨胀。MCP 治理通过建立精确的运行时授权、成本控制和审计框架，来管理哪些用户或模型可以执行特定工具，从而防止数据泄露和未经授权的修改。
-
模型上下文协议 (MCP) 标准化了 AI 工具集成，将安全性留给用户
模型上下文协议 (MCP) 旨在通过提供一个基于 JSON-RPC 2.0 构建的客户端-服务器协议来标准化 AI 工具集成。该协议允许单个宿主应用程序连接到公开不同能力的多个服务器，例如文件系统或 GitHub 访问，而无需为每次配对编写定制的集成代码。MCP 定义了三个基本元素：用于具有副作用的操作的工具 (tools)，应用程序可以读取的数据资源 (resources)，以及用于用户调用的模板的提示 (prompts)。该协议标…
-
开发者构建 Node.js 服务器以修复 LLM 时间戳错误
一位开发者为 tsforge-mcp 创建了一个零依赖的 Node.js 服务器，旨在解决大型语言模型 (LLM) 经常处理不当的时间戳和日期相关错误。该服务器实现了边界正确的算法，用于复杂的日期计算，例如 cron 作业调度、Excel 的 1900 年闰年错误、ISO-8601 周编号和夏令时转换。它支持双传输方法，包括用于 Claude Desktop 等本地客户端的 stdio，以及用于 ChatGPT Apps SDK 等远…
-
新的MCP服务器将实时B2B数据集成到IDE中，供AI代理使用
一个新的模型上下文协议（MCP）服务器已被开发出来，可将实时B2B公司信息和意图数据直接集成到Cursor和VS Code等开发环境中。该服务器允许大型语言模型（LLM），包括Claude 3.5 Sonnet和GPT-4o，执行实时公司画像、技术分析和潜在客户资格审查。该系统利用Zod模式注解来防止LLM幻觉，并提供一种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。
-
模型上下文协议 (MCP) 标准化 AI 工具集成，类似于 USB-C
模型上下文协议 (MCP) 是一项新兴的开放标准，旨在简化 AI 模型与外部工具和数据源的交互方式。MCP 由 Anthropic 开发并于 2024 年 11 月发布，旨在通过提供统一的接口来解决自定义集成的“N 乘以 M”问题，类似于硬件的 USB-C。该协议允许 AI 主机（如 Claude Desktop 或 Cursor）连接到各种 MCP 服务器，而这些服务器又会公开特定的工具或数据，从而实现模型无关和跨提供商的互操作性。…
-
Model Context Protocol 详解通过 JSON-RPC握手进行AI工具发现
Model Context Protocol (MCP) 通过结构化的 JSON-RPC 2.0 握手促进 AI 工具的发现。这种初始交换在客户端（例如，IDE）和服务器之间协商能力，定义了双方可以提供的功能。握手之后，客户端发出一个 `tools/list` 请求，该请求返回每个可用工具的详细 JSON Schema，使 AI 能够理解并正确调用它们。此过程旨在提高效率，工具的枚举和 Schema 的揭示会快速发生，以确保无缝集成。
-
通过 GitHub Actions 为 LLM 工具集成实现自动化验证
本教程演示了如何使用 GitHub Actions 将模型上下文协议 (MCP) 服务器与 Claude 和 GPT 等大型语言模型集成，以实现自动化验证。该指南介绍了开源命令行工具 `mcp-lint`，用于对工具定义、JSON 模式和错误处理进行静态分析，确保代码质量和安全性。它还详细介绍了如何使用该工具的 Pro 版本实现 JSON-RPC 2.0 兼容性和运行状况检查的运行时验证，该版本可以在 CI 管道中进行配置，以防止有缺…
-
模型上下文协议（MCP）标准化了自动化工程师的AI集成
模型上下文协议（MCP）正成为一个标准化的接口，用于AI模型与外部工具、数据和系统进行交互，类似于AI集成的通用适配器。该协议基于JSON-RPC 2.0构建，使AI客户端能够安全且可预测地调用由MCP服务器公开的函数、访问数据资源以及使用提示。本文面向经验丰富的自动化工程师和QA专业人士，提供关于设计和实现用于QA自动化的MCP服务器、将其与Claude等LLM集成以及理解超越基本演示的生产级考量的实用指南。
-
AI代理协议MCP定义了Host、Client和Server角色
MCP协议为AI代理定义了通信标准，将职责划分为Host、Client和Server角色。Host（例如Claude Desktop或Claude Code）负责管理LLM推理和连接到MCP服务器，并决定公开哪些工具或资源。Client嵌入在Host中，使用JSON-RPC 2.0消息处理与单个MCP服务器的通信，并跟踪会话状态。独立的Server进程通过stdio或HTTP与Client通信，公开工具、资源和提示等功能。
-
MCP协议集中化AI代理工具集成，减少代码重复
文章介绍了MCP（模型上下文协议），一个旨在简化AI代理与Jira等外部工具集成的全新系统。与传统的函数调用不同，在函数调用中，工具定义和执行逻辑会在多个代理项目中重复，而MCP将这些组件集中在一个独立的MCP服务器中。该服务器通过JSON-RPC 2.0与各种兼容主机通信，例如Claude Desktop或自定义代理，从而消除了冗余代码的需要，并在API更改时简化更新。
-
AI助手Mia Handles通过模型上下文协议(MCP)自动化内容管理
Mia Handles是一款旨在跨多个平台自动化内容管理任务的AI助手。通过利用模型上下文协议(MCP)，Mia可以通过单一的Telegram聊天界面为WordPress、Drupal和1C-Bitrix等系统撰写Markdown格式的帖子、上传图片、管理SEO以及发布或安排内容。这种方法旨在通过提供一种标准化的对话方式供AI代理与各种CMS交互，从而显著减少传统内容管理相关的时间和成本。
-
使用 Python 和 FastAP 构建生产就绪的 MCP 服务器
本指南详细介绍了如何构建一个模型上下文协议 (MCP) 服务器，从一个简单的脚本开始，逐步发展到一个完全 Docker 化、经过身份验证和测试的服务。该服务器名为 toolhub，将公开用于操作的工具、用于数据的资源以及用于可重用模板的提示。它利用 Python、MCP SDK 和 FastAPI 与 Claude Desktop、VS Code 和 Cursor 等 AI 应用程序集成。该架构包括结构化日志记录、身份验证、配置、测试…
-
CommitBrief 通过 MCP 将代码审查集成作为 AI 代理工具
CommitBrief 推出了一个新功能，将其代码审查功能公开为模型上下文协议 (MCP) 工具。此集成允许 AI 代理将代码审查作为工具调用来执行，通常是在提交代码之前的自我检查。MCP 服务器仅使用 Go 的标准库实现，特别是 `encoding/json` 用于消息格式化，`bufio` 用于处理标准输入/输出流，从而避免了外部依赖。
-
个人 AI 助手升级至 Gemma 4 12B 并进行本地优化
作者详细介绍了其个人 AI 助手的下一代迭代，迁移到 Google DeepMind 的 Gemma 4 12B 模型以增强本地推理能力。此次升级通过使用原生的 llama.cpp 服务器而非 Ollama 等更重的抽象，针对资源受限环境进行了系统优化。集成层已通过模型上下文协议 (MCP) 标准化，以简化添加新工具的流程，例如用于实时网络情报的 Tavily Search。