ASP.NET 手搓 MCP 服务(三):让 MCP 服务只认访问令牌
本文为《ASP.NET 手搓 MCP 服务》系列第三篇,给 TaskMcpServer:7030 加上 JwtBearer 验签、RFC 9728 资源元数据和 RequireAuthorization 端点保护,并把工具签名中的 userId 参数替换为 JWT 的 sub,实现按用户隔离数据,最后在 WorkBuddy 客户端跑通授权码 + PKCE 端到端授权。
本文为《ASP.NET 手搓 MCP 服务》系列第三篇,给 TaskMcpServer:7030 加上 JwtBearer 验签、RFC 9728 资源元数据和 RequireAuthorization 端点保护,并把工具签名中的 userId 参数替换为 JWT 的 sub,实现按用户隔离数据,最后在 WorkBuddy 客户端跑通授权码 + PKCE 端到端授权。
Distributor Touch 是一套快消 B2B 分销 SaaS:Node.js 22+ 零运行时依赖后端 + PHP 透传门户 + UniApp 一套代码编译 H5/微信小程序/App/企微侧边栏,业务规则只写一份。
作者开源了一套 MIT 协议的 Web 系统,把 LLM 选题、剧本、主体确认、分格生图、人工审核到微信公众号草稿箱全自动串联,clone 后三条命令即可跑起。
本章系统梳理数据中心网络:物理设施自下而上分为五层,网络拓扑从传统三层演进到大二层与 Spine-Leaf,技术路线从 xSTP、虚拟机框、L2MP 更迭至主流的 NVo3 叠加网。
作者让 Codex 在局域网内接管极米 Z7X 投影仪,实现开关机、方向键、音量等遥控操作,并让 Agent 读取投影仪实时画面、逐步决策下一步点击。他还做了 Mac 语音应用小 C,喊名字唤醒后把指令转成文字发给 Codex 的固定会话,任务完成后自动朗读播报。
在 DeepSeek v4.1-flash-1017 协同下,作者定位到申报系统接口越用越慢的根因:仓储每次构造都往单例 IFreeSql 的 AOP 事件追加回调,回调随请求线性堆积。
作者用 TRAE Work 全程对话式生成,把一句桌游记分创意做成可演示的单文件 HTML 计分器,累计耗时约 45 分钟。文中原文贴出立项、生成、迭代三段可复用话术,并总结试玩反馈循环与 IDE 收尾的分工,附效率对比和踩坑实录。
作者指出 AI Coding 降低了代码生产成本,却让系统从 1 到 A 的维护与升级变得更难,并提出用删除或改变能力时无关模块的修改代价来衡量架构复杂度。
作者以 Ascend 310P3(Atlas 300I Pro)为例,完整演示昇腾 vNPU 的三种使用方式:原生 Docker 用 npu-smi 按 vir01 等模板创建 vNPU 再手工挂载设备。
DeepSeek 开源大规模推理框架 DeepInfer,首批支持 DeepSeek-V4.1-Flash,开源内容含推理框架、DeepSeek Recipe 与技术报告,支撑单集群每日 155 万亿 Token 吞吐、约每卡每小时 38 美元的收入。
作者给提示词仓库 prompt-hub-cn 加了一个把 6 条 Cursor rules 和 6 个 Claude skills 写入项目的 CLI,用 npx -y github:MsNan/prompt-hub-cn 一行分发,无需发布 npm。
作者续写双人共享小程序「小家」第二期,不重搭架构,而是把动态流、共享账本和年度账单从「能用」推向「用得对」。动态流改为基于最旧事件 id 的历史分页,筛选条件下沉到查询层,避免本地过滤把对方的更早记录筛空;相邻同类事件按 60 秒间隔折叠展示,但强调这只是阅读归并而非审计事实。
作者在开源智能体平台 BizBuddy 中用钉钉 Stream 和飞书长连接替代 Webhook,应用主动连出平台网关,内网无公网 IP 也能接收 IM 消息。
本文对比工作流与自主 Agent 两种编排模式,建议按单个 LLM 调用、工作流、自主 Agent 的顺序选型,路径确定就写代码、不确定才交给模型决策。混合才是工程常态,关键步骤走工作流、灵活部分交 Agent,停止条件必须由代码显式设置。
文章指出,只在系统提示里写“不许做”拦不住提示注入,因为攻击指令来自 Agent 自行读取的外部内容,与用户指令在上下文里平级。作者把护栏分为三层:上下文层控制模型能看到什么,执行层控制模型能做什么,数据层控制世界能被改成什么样,越靠下的机制越难被绕过。文章还区分了越狱与提示注入,并强调高风险复核必须由上下文之外的独立机制完成。
作者以打造读书智能助手为例,在 Apple Silicon 上用 mlx-lm 对 Qwen2.5-1.5B-Instruct 做 LoRA 微调,再转换为 GGUF 量化格式并由 llama.cpp 部署,完整走通数据准备到端侧上线的全链路。
作者用 OpenCode Go 套餐统一测试 DeepSeek V4.1 Flash、GLM 5.3 Flash、MiniMax M3.1 Flash、MiMo V2.6 Flash 和 Qwen3.8 Flash,要求网页绘制 PS 手柄并支持最多四个真实手柄接入。
本文介绍如何用 PySR(Python 符号回归)从工业历史数据中自动进化出人类可直接读懂的数学公式,以替代不敢用的黑盒模型。
GeoLibre 以一套 React 应用同时运行在浏览器、Tauri v2 桌面、移动端与 Jupyter 四种宿主,用 npm workspaces monorepo 与 Zustand store 单向数据流统一跨端状态。
OpenAI 于 9 月 22 日发布《Better prompt caching for GPT-6》,介绍 GPT-6 缓存命中率改进:相同评测负载下调整缓存断点后,命中率从 83% 提升到 91%,推理费用下降 36%。
PowerContext Committer 秋梵借像素地图小游戏演示:真实 Agent(Codex SDK)完成搭桥供电任务后,PowerContext 先把规则。
文章主张 Agent 工具应暴露完整的领域能力而非细粒度字段更新,由权威服务统一校验并提交不变量。作者以一个 SQLite 内存示例实际演示三种结果:弱 CRUD 接口提交了预约与占位不一致的半更新、reschedule_appointment 能力完整提交、资源冲突时回滚事务内已执行的第一条写入。
一套基于 YOLO11n 的海底垃圾视觉巡检系统实现 15 类海底垃圾自动检测,并配套开箱即用的 Streamlit 可视化界面。YOLO11n 权重仅 6 MB,CPU 单图 100 ms 内完成推理,支持单图、批量、视频、摄像头四种输入,可离线部署于科考船或 ROV 控制台。模型在浑浊低光水体下仍能稳定识别目标,批量检测可汇总类别分布数据,辅助清污作业排程。
Workrun 正从手动可视化编排转向对话式 AI 自主编排:用户直接表达目标,系统理解任务、规划方案,确认后自动配置并保存 Workflow。一次性任务直接处理,仅复用需求才创建 Workflow;AI 生成的流程与手动创建的共用同一套原生能力,可在画布中修改,执行需单独授权。
作者用一个 Java 示例工程(Spring Boot + Reactor + AgentScope Java + Spring AI)拆解多智能体编排:规划器把问题拆成 2~5 步,子 Agent 在各自独立上下文窗口并行探索只上交结论,收敛器合成 answer 与 gaps,失败时代码降级拼接保底。
Cloudflare 开源 security-audit-skill(github.com/cloudflare/security-audit-skill),一套让支持工具调用的编码代理按侦察、狩猎、验证、输出、再验证、报告六阶段做代码安全审计的技能文件,仓库当前 34342 星、MIT 协议。
Codex 默认把路径上所有 AGENTS.md 合计截到 32,768 字节,超限部分按字节丢弃,只在日志留 warning。
推荐理由:原文用源码和实测对比了 Codex 与 Claude Code 读取指令文件的规则,读者可按自查脚本核对自家仓库是否被截断。
Git Worktree 让多个 AI Agent 在同一仓库的独立工作目录中并行开发,避免互相覆盖文件,最后通过 Git 合并成果。Claude Code 可用 claude --worktree 启动独立会话,也可为 SubAgent 配置 isolation: worktree。Worktree 只隔离工作目录,不能消除合并冲突和语义冲突,也不能替代 Agent 间通信与代码测试。
这篇文章按基础设施与 Agent 编排两个层级,拆解 Spring AI、LangChain4j、Solon AI、Spring AI Alibaba、AgentScope 和 Embabel 的定位与适用场景。基础设施层解决模型接入、向量库与工具调用问题,Agent 编排层解决多步骤任务的可靠性与可解释性问题。文末给出按 Java 版本、部署形态和确定性需求逐层收敛的选型决策路径。
Java 服务采用虚拟线程后,容量治理须从线程池大小转向数据库连接、HTTP 连接、模型配额等真实稀缺资源的在途数量控制。JEP 444 建议每任务创建一个虚拟线程、不为复用建池;执行并发与资源并发必须分开,否则等待只会从平台线程转移到下游连接与额度。落地可用两道闸门:外层准入许可限制"执行中加等待中"的任务总量并在入口同步拒绝,内层资源许可包住真正的工具调用并共享同一 deadline。
作者指出 Spring AI、LangChain4j、Solon AI 与 Spring AI Alibaba、AgentScope、Embabel 分属基础设施与 Agent 编排两个层级,选型应先定层再匹配场景。
MinerU 是上海人工智能实验室 OpenDataLab 团队开源的一站式文档解析工具,把 PDF、图片、Office 等文档高质量转换成 LLM 就绪的 Markdown / JSON。
作者认为 MiniMax M3.1 Flash 官方所称约70%成本下降是调用单价口径,重试、工具调用、超时和人工接管可能让成功任务总成本不降反升。文章给出按 task_id 聚合的 TCO 核算方法与可运行脚本,建议用同一批真实工单回放、配合预算熔断和灰度回滚再做选型;官方所称10月23日开放权重、许可证未公布等口径仍需按平台核验。
作者用 Spring Cloud + LangChain4j + Milvus 搭建了可私有化部署的开源智能客服平台「智语」(MIT 协议,github.com/huangrenhui/ai-cs-parent),覆盖 AI 对话、RAG 知识库、工单、实时通信与客户管理五条主线。
用裸包名 import 时,解析器从 node_modules 读到该包的 package.json,按 exports(或旧式 main)把包名与子路径解析到具体文件;安装结果则由 files 清单决定,而非 Git 仓库。
作者实测了三个由 AI 辅助移植到 C# 的 TypeScript 编译器(typescript-csharp、hez2010/TypeScript、typescript-dotnet),与官方 Go 版和 ts-rust 成对对比。
这篇教程系统讲解了 AI Agent 评测的维度、打分方法和落地流程,指出被测对象是模型加上提示词、工具、知识库的整套系统而非模型本身。评测至少要回答结果对不对、过程合不合理、代价能不能接受、行为安不安全四个问题,打分按规则优先交给代码、规则写不了的交给 LLM、争议和高风险样本留给人工。
AI Agent 评测应在 PRD 阶段与需求定义同步启动,从结果、过程、效率和安全多维度判断 Agent 是否达到产品目标。传统布尔断言无法应对答案不唯一、结果正确但过程出错、LLM-as-a-Judge 评委自身漂移等问题,需结合确定性评分、轨迹评分、LLM-as-a-Judge 与人工评审四种打分方式。完整落地流程包含建数据集、配评分器、设执行环境、执行并记录、分析失败、持续回归六个环节。
本篇教程用 Vue3 + Vite 搭建 LLMOps 聊天机器人前端,完成后端 API 对接与前后端联调。项目基于 Node.js 20 LTS,封装 Axios 请求拦截、Pinia 状态管理与 vue-router@4 路由守卫,并用 TailwindCSS 实现聊天界面。
Transformer 从 2017 年的机器翻译架构到现代 LLM 通用推理引擎的演进可归纳为七个阶段,27 篇经典论文串联起这条完整脉络。BERT 与 GPT 确立先预训练、再微调的范式后,模型相继突破长文本限制、统一生成任务,并扩展至视觉、语音与代码多模态。GPT-3、InstructGPT、DPO 及 DeepSeek-V3/R1 则进一步推动超大模型、人类对齐与强化推理。