Standard Input Output
PulseAugur coverage of Standard Input Output — every cluster mentioning Standard Input Output across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
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。
-
新的开源 AI 工具专注于自动化和工作流编排
发布了三个新的开源 AI 项目，专注于自动化和工作流编排。LangGraph 推出了一个能够处理常规 L1 工单并将其升级给人工操作员的代理，并且可以在 Raspberry Pi 上运行离线演示。此外，还推出了一个继承机器凭证以进行 OAuth 和安全性的本地 McpServer，而 Kiro Workflows 是 Kiro 的一项新功能，用于编排代理和自动化。
-
Python 教程详解构建 LLM 工具集成循环
一个教程演示了如何在 Python 中构建一个功能性的 MCP (模型通信协议) 循环，从而实现 LLM 工具集成。该过程包括设置一个公开提示、资源和工具的服务器，以及一个与该服务器通信的客户端。教程详细介绍了使用标准输入/输出 (stdio) 进行通信，并探讨了用于更高级交互的 streamable HTTP，允许 LLM 动态选择和调用工具。
-
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。
-
MCP协议安全：AI代理的风险与缓解策略
模型上下文协议（MCP）是连接AI模型与外部工具的标准，但它引入了重大的安全风险。多个来源强调了诸如工具投毒、命令注入和凭证泄露等漏洞，这些漏洞可能被嵌入工具元数据或数据中的恶意指令所利用。实施强大的授权，通常通过MCP网关，对于缓解这些威胁至关重要。该网关充当控制平面，强制执行诸如输入清理、工具过滤和范围限定身份验证等安全策略，以防止未经授权的访问和数据泄露。
-
Stdio 传输在 AI 代理工具调用延迟方面优于 SSE
一项最新基准测试评估了模型上下文协议 (MCP) 中两种传输协议——标准输入输出 (Stdio) 和服务器发送事件 (SSE)——的性能。研究发现，对于 Cursor Agent 和 Claude Desktop 等开发人员工作站和桌面代理，Stdio 更胜一筹，可提供低于 3 毫秒的调用延迟和更简单的架构。对于多租户云环境，建议使用 SSE，因为它能够通过 Envoy 或 Traefik 等代理处理身份验证和速率限制。
-
MCP 服务器超时错误导致意外的 28 小时默认值
作者遇到了 MCP 服务器超时的意外行为，发现小于 1000 毫秒的值被忽略，并默认使用了更长的时间。这是由于 MCP 服务器处理超时值的方式发生了变化，之前应用了至少一秒的限制，后来被更改了。此外，作者发现配置了 URL 但未指定类型的服务器被视为 stdio 服务器，导致配置错误，并且出于安全原因，存储库无法批准自己的 MCP 服务器。
-
MCP2Skill 通过 HTTP 网关实现本地服务器的远程访问
MCP2Skill 是一款桌面应用程序，旨在使本地服务器可远程访问。它通过导入各种 MCP 服务器（包括使用通用但受限的 stdio 传输的服务器）并将其通过统一的 HTTP MCP 网关公开来实现这一点。该网关允许在外部网络上进行远程访问、API 密钥身份验证和安全操作，而无需更改原始服务器代码。
-
Claude Code 通过 MCP 服务器增强可编辑知识库功能
本文详细介绍了如何通过集成模型上下文协议 (MCP) 服务器，为 Claude Code 配备可编辑的知识库。作者在构建 Doco 产品时解释说，虽然 Claude Code 可以读取文件，但缺乏与动态团队手册或研究库进行交互的可靠方法。提出的解决方案涉及更严格的编辑协议，以确保搜索返回证据、段落保持稳定的地址、读取操作识别文档版本，以及在基于过时信息时写入操作安全失败。本教程将引导用户以只读模式连接 Doco，验证检索准确性，然后执…
-
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。
-
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…
-
模型上下文协议（MCP）的兼容性取决于传输、认证和故障模式
模型上下文协议（MCP）是AI客户端和服务器的通信标准，但遵循MCP并不保证系统兼容性。兼容性取决于三个因素：传输机制（stdio或HTTP）、授权方法以及协议级别的故障模式。不同的传输方式，如stdio和HTTP，具有不同的授权要求和安全考量，例如在HTTP中验证Origin头以防止DNS重新绑定攻击。一种特定实现mcp-1c通过stdio和HTTP将MCP客户端连接到1C:Enterprise，需要为不同操作提供单独的凭证，并将其…
-
MCP stdio 服务器连接问题追溯到非 JSON 输出
本文解决了一个常见问题，即 MCP stdio 服务器似乎正在运行但无法连接。作者解释说，问题通常不在于工具或处理程序，而在于标准输出中的单行非 JSON 输出，这会在第一个请求成功处理之前损坏传输层。
-
集成测试揭示 AI 代理故障库中的隐藏错误
作者开发了一个 MCP 故障库，用于存储 AI 代理的崩溃模式，使其能够避免重复错误。尽管单元测试覆盖率很高，但由于组件交互问题，该库在生产环境中出现了问题。为解决此问题，创建了一个集成测试工具，该工具启动实际的 MCP 服务器并连接一个真实客户端来运行端到端场景。这种方法成功地识别了三个先前隐藏的错误，这些错误与启动顺序、JSON-RPC 帧和状态累积问题有关，而独立的单元测试无法检测到这些问题。
-
使用 TypeScript 构建 MCP 服务器：实用指南
本文提供了使用 TypeScript 构建模型上下文协议 (MCP) 服务器的全面指南。它通过提供一个实用的、生产就绪的示例来解决 MCP 文档碎片化的问题，该示例实现了工具、资源和提示等核心基元。该指南强调了正确处理 stdio 传输以避免损坏 JSON-RPC 帧等关键细节，并演示了如何设置项目结构和集成 MCP SDK 以简化开发。该过程涉及注册工具、资源和提示的处理程序，SDK 会自动推断功能。
-
Node.js MCP：Stdio 与服务器发送事件在 LLM 通信中的应用
模型上下文协议 (MCP) 通过标准化通信，正在彻底改变大型语言模型 (LLM) 和代理运行时与外部系统的交互方式。在 MCP 中使用 Node.js 的开发人员面临的关键架构决策，涉及在 Stdio（标准输入/输出）和服务器发送事件 (SSE) 之间选择其传输层。Stdio 利用操作系统管道进行直接、隔离的进程通信，提供零网络开销；而 SSE 则利用 HTTP 进行网络流式传输，提供更大的部署灵活性。
-
MCP 内部：STDIO、SSE 和 JSON-RPC 详解
本文详细介绍了模型上下文协议 (MCP)，重点关注其面向开发者的内部工作原理。文章分解了 MCP 服务器的启动方式，通常使用 Node.js 和 `npx` 等工具，并强调了在 Windows 上因 shell 差异导致服务器启动失败的常见问题。文章详细介绍了两种主要的传输机制：用于本地通信的 STDIO 和用于远程连接的 Server-Sent Events (SSE)，两者都使用 JSON-RPC 2.0 进行消息格式化。该过程涉…
-
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。
-
AI Agent传输漏洞允许代码执行
在MCP STDIO传输机制中发现了一个安全漏洞，该机制允许AI Agent连接到本地工具和服务。OX Security的研究表明，如果攻击者能够控制MCP启动的命令的输入，他们可能能够在主机上执行任意代码。这个问题源于命令在MCP服务器有效性得到确认之前就被执行的设计，通过直接命令注入、允许列表绕过和IDE提示注入创造了潜在的攻击面。
-
Anthropic 的 AI 代理协议存在严重安全漏洞
在 Anthropic 的模型上下文协议 (MCP) 中发现了一个严重的架构性漏洞，该协议是连接 AI 代理与外部工具的标准。OX Security 的研究表明，该协议的 STDIO 传输允许在握手验证之前执行任意命令字符串，而无需进行验证，从而造成了重大的安全风险。尽管存在被数百万次下载的应用程序广泛利用的可能性，Anthropic 仍坚持认为这种行为是故意的且安全的，并拒绝了提议的修复方案。