MCP
-
前端 Coding Agent 不再只读代码:Arguseye 把组件渲染结果接入 AI 编程闭环
Arguseye 尝试给前端 Coding Agent 增加视觉反馈:代理修改 React、Next.js 或 Vue 组件后,可以看到渲染截图、可访问性信息和未解析输入,从而在代码检查之外形成更接近真实界面的验证闭环。
-
编程助手接入 Perplexity 搜索:官方 MCP Server 与 Connector 的场景拆解
Perplexity 官方 MCP Server 可接入 Claude、Cursor、Codex 等编程助手,用于调用 Perplexity 搜索;Perplexity 也可通过自定义 Connector 调用外部 MCP 服务器。两类接入方式分别对应“把搜索接入 Agent”和“让研究结果执行动作”两种场景。
-
政务数据接入 AI Agent:先解决接口与工具链,再谈智能问答
文章以 Open Data Euskadi 为例,讨论 AI Agent 接入政务数据时的接口层挑战,包括语义查询、SPARQL 图查询、MCP 工具稳定性、资源隔离和凭据治理。
-
Figma 扩大 MCP 合作名单,但给 AI Agent 的数据访问画了一条线
Figma 在 Config 大会上宣布新增 20 个 MCP 合作伙伴,但联合创始人 Dylan Field 同时指出,MCP 并非完美协议。围绕数据暴露、滥用风险和上下文共享不对称的讨论,正在成为 Agent 生态绕不开的问题。
-
让 AI Agent 少读无关文件:XERJ 用本地检索压低 Token 成本
XERJ 是一个基于 Rust 的本地优先搜索引擎,面向 AI Agent 的代码与文档检索场景。它通过 BM25、向量混合搜索、AST 感知索引和 MCP 协议,帮助 Agent 减少全文件读取带来的上下文膨胀与 Token 消耗。
-
Claude Code 接入 MCP 服务器:远程、本地与团队配置为何会失败
Claude Code 接入 MCP 服务器时,常见问题往往集中在传输方式、作用域和 .mcp.json 配置。本文整理远程、本地与团队配置的实操排查方法。
-
从聊天框到本地工具箱:用 TypeScript 构建标准化 MCP Agent
Dev.to 一篇 AI 技术文章讨论了如何摆脱脆弱的聊天机器人:通过 TypeScript 和 MCP 标准,把自然语言需求生成为包含工具配置、技能说明与本地执行能力的 Agent 插件。
-
MCP 新版规范落地:AI 编程工具接入外部能力,职责边界开始清晰
MCP 发布 2026-07-28 版规范后,Host、Client、Server 的职责边界进一步清晰:模型只提出调用意图,Host 负责权限与上下文,Server 专注提供工具与数据。
-
防止 Agent 乱调 API:用 HAR 文件重建一份“真实接口契约”
AI Agent 编造 API 端点的问题,正在推动开发者寻找更可靠的验证方式。一种新做法是利用浏览器导出的 HAR 文件重建接口清单,让 Agent 基于真实流量证据调用、测试和生成代码。
-
AI 编程工具配置越来越碎,CC Switch 把十款工具的 Provider 收进一个入口
AI 编程工具增多带来配置碎片化。开源项目 CC Switch 用桌面应用统一管理十款工具的 Provider、MCP、Skills 与 Prompts,并通过最小侵入式修改和本地路由降低切换成本。