MCP

OWASP ASI03（身份和权限滥用）是OWASP 2026年AI Agent应用Top 10中的第三项，涵盖AI Agent因缺乏独立身份治理而导致的权限滥用、未授权委托或跨边界访问。真实案例包括Asana MCP跨租户绕过（2025年6月）和CVE-2025-49596（MCP Inspector因机制）以及多个MCP服务器继承开发者UID和凭据的重复模式。缓解措施要求独立的代理身份、范围限定的委托以及每次权限转换时的显式授权，而非“代理继承了我的会话，这没问题”。

ethPandaOps团队推出了Panda工具，用于简化以太坊观测数据的查询。

OWASP ASI04 是 AI 代理供应链漏洞，涵盖第三方工具、数据源、连接器被攻陷的情况。文章列举了 Postmark npm 木马、mcp-remote OAuth 注入、Anthropic SDK 设计缺陷等真实案例（至少 8 个 NVD CVE）。攻击模式包括连接器冒充、木马更新、配置通道注入、工具目录投毒。MCP 协议因包分发、特权工具、主机身份运行等因素加剧风险。防御措施：固定版本、验证来源、清理配置通道和工具描述符、日志审计。最后提供了审计方法和 FAQ。

本文是MCP安全漏洞的权威记录，整理了2025年4月至2026年4月间公开的16起MCP相关安全事件，包括多个严重漏洞（如CVE-2025-49596、CVE-2025-6514等），以及官方SDK的设计缺陷。文章揭示了远程代码执行（RCE）是主要攻击类型，“工具投毒”被OWASP列为标准化威胁。82%的MCP服务器存在路径遍历风险，53%使用静态凭证，1467个服务器暴露在公网。文章还提出了对AI团队的安全建议，包括审计SDK暴露、工具描述、供应链和传输方式。

文章讲述 Trail of Bits 如何把 AI 从“员工自用工具”升级为组织级操作系统：先定义 AI-assisted、AI-augmented、AI-native 三层演进，再针对自我优越偏差、身份威胁、对不完美的容忍度低和不透明感等阻力，建立 AI Handbook、能力成熟度矩阵、黑客松机制、技能仓库、受控插件市场、沙箱与安全默认配置，并把经验沉淀为可复用资产。

本文作者分享了使用 Claude Code 构建复杂系统的经验，强调了在开始之前进行思考的重要性，包括如何构建 CLAUDE.md 文件，限制上下文窗口，编写 Prompt，以及使用 MCP、工具和配置，在Claude卡住时如何处理，构建系统等。作者反复强调清晰的架构和明确的 Prompt 是获得良好输出的关键，并鼓励使用者不断实验和改进系统。

文章介绍了Codebase Memory MCP工具，它通过快速构建代码图谱（使用C和tree-sitter）来增强AI编程助手对代码库的理解，替代传统grep+read模式。该工具提供get_architecture、search_graph、trace_path等API，并通过hook机制在grep时自动附加结构信息，减少盲目读取文件，可节省约50% token消耗。文章还提供了安装步骤和作者的使用体验。

本文是一份系统学习Claude的完整路线图，包含10个Anthropic官方免费课程（如Claude 101、AI Fluency、MCP等）和14个动手实践指南，分为日常使用、构建器和系统三个层次。作者强调信息收集不等于学习，提供了10天学习计划，帮助用户从零开始掌握Claude的提示工程、技能构建、工作流自动化等核心能力。文章还附有多张速查表，涵盖25种用法、提示技巧、代理术语等，旨在将Claude从聊天工具转变为个人工作系统。

文章预测2026年AI Agent技术栈的状态，重点介绍Google开源的Agent Development Kit (ADK) 作为生产级框架的普及，以及Model Context Protocol (MCP) 成为集成标准。

本文围绕 MCP Server 的密钥管理展开，指出随着 LLM 与外部工具通过 MCP 连接，服务器往往会同时接触 API Key、数据库凭证等敏感信息，若采用硬编码、长期凭证或缺乏审计与访问控制，容易放大安全风险。文章给出四类实践：避免把密钥写死在代码里；对自定义服务器优先使用短生命周期的动态凭证；对现成 MCP 服务通过 CLI 在运行时注入密钥；并用策略隔离不同服务器的访问范围。整体强调，MCP 的安全底座不只是协议本身，密钥治理才是关键。

本文分析了Solana的区块构建竞争格局，重点比较了Jito BAM和Harmonic两种方案。文章指出，BAM在市场结构方面表现更优，但由于自愿采用，效果不一致。Harmonic致力于开源，并改进区块构建设计。MCP通过协议内交易排序来解决根本问题，但需要时间。Solana需要解决协调问题，以保持竞争力。

本文讨论了模型上下文协议（MCP）服务器的安全风险，指出MCP服务器在迅速普及的同时，安全问题日益突出。文章揭示了MCP服务器中常见的五大安全隐患，包括路径遍历漏洞、命令注入、工具中毒攻击、不安全的凭据以及跨服务器级联攻击，并提供了一份24点安全检查清单，旨在帮助AI团队在部署或开发MCP服务器时避免安全危机。

Anthropic的 Model Context Protocol (MCP) 旨在为人工智能模型与外部系统交互提供统一标准，类似于AI的“USB-C 端口”。

Rollup.codes 推出了新的模型上下文协议（MCP）服务器，旨在简化 Rollup 开发，通过 MCP 将 L2 数据直接传递给 AI 代理。开发者可以通过配置 MCP 服务器，使得 AI 工具能够访问并利用 rollup.codes 上的 Rollup 数据，从而更方便地进行 L2 智能合约的开发和调试。

本文介绍了QuickNode Model Context Protocol (MCP)，它允许使用自然语言管理QuickNode环境，包括管理endpoints，监控使用情况，配置安全设置和分析账单数据。文章讲解了如何将MCP与AI助手（如Claude和Cursor）集成，并通过示例展示了如何使用自然语言命令来管理区块链基础设施，从而提高Web3开发效率。