与「mcp」相关的搜索结果

The "Web app" standard for the Agentic Web/OS has arrived. It is essentially the open standardization of the third-party app/plugin ecosystem found in ChatGPT. It consists of Skills and MCP, with MCP covering standards such as MCP Apps and MCP-UI, which allow third-party apps to embed GenUI-based interactive interfaces directly into the main Agentic Web/OS interface. WebMCP is about "embedding Tools within UI," while Agent Plugins / MCP Apps are about "optionally embedding UI within Tools." The core of this kind of "app" ecosystem are Tools, rather than any specific UI representation, such as cards, icon + Activity, or windows. AppFunctions / AppIntents / AppActions on Android, iOS, and Windows, like WebMCP, also belong to the "embedding Tools within UI" model. The current CLI ecosystems around Coding Agents such as Codex and Claude Code are effectively local "native app" ecosystems: apps have to be pre-packaged, downloaded, and installed, and users cannot realistically install too many of them. By contrast, Agent Plugins / MCP Apps can be regarded as a kind of "Web app" ecosystem, because their core functionality is retrieved from the Web on demand. Skills, like manifest-style files such as mcp.json, are lightweight distributions of code with declared metadata, somewhat like HTML: they can be discovered, loaded, activated, and used on demand, in a process analogous to HTML rendering but much more intelligent. This creates an opportunity to extend existing Web standards, which are centered around the distribution of UI resources. Instead of RESTful HTTP exposing only a limited set of actions over resources, the Web could expose a vast long tail of Tools that AI can discover and understand, and that can optionally embed UI. A general-purpose Agent capable of discovering, loading, and running Agent Plugins / MCP Apps on demand would be equivalent to "the browser + Google" of the desktop Internet era. If such an Agent becomes a super app, it could easily abstract away the operating system and become the single dominant super app for most user scenarios, much like the desktop Internet era, rather than the mobile Internet era with many parallel super apps. So such an Agent will naturally tend to integrate into the entire OS and even the hardware itself, much like IE vs. Netscape. That is also why Google, OpenAI, and even ByteDance are determined to build consumer electronics hardware products.

🚨 NEW GROK BUILD UPDATE 🚨 Grok Build v1.0.0 is now live. SpaceXAI is pushing new Grok Build updates almost daily. Updates: UI & navigation • Dashboard rows show a short summary of what the agent did in the previous turn • Extensions modal groups items alphabetically with collapsible Skills sections • Grok skips the project-directory prompt when launched from home or other non-project directories • /feedback opens a dedicated report box instead of prompt mode • Auto theme detection works over SSH and inside tmux • Markdown tables reflow inside cells on narrow panes instead of clipping • Typing exit or quit in the dashboard exits the CLI • Mode indicator (plan/agent/ask) stays in sync after resume and mode changes • /delete returns to the dashboard when you delete a session opened from it • Enter in the slash command menu runs the highlighted command • Session-only slash commands show a message when used from the dashboard • /new from the dashboard returns to the dashboard from an empty prompt Permissions & input • Permission prompts show the complete script; long bash bodies expand with Ctrl-F • Tab and Esc behave consistently on question, permission, and cancel-turn cards • Rapid send-now presses no longer lose earlier queued messages • Esc and stop prevent background tasks from restarting the model after cancel • Queued prompts stay visible while waiting on subagents; slash/image rows can be reordered Reliability & correctness • MCP tools that return images no longer drop or corrupt large screenshots • Sandboxed Grok starts on large directories with many deny-glob matches • Login no longer skips when an invalid API key is in the environment • Model picker and command palette work while reviewing a plan • Codebase restore no longer hangs on large or shallow git repositories • Remote resume restores conversation only unless --restore-code is passed • Copying CJK text with the mouse includes every character at the selection edges • API errors appear as clean banners instead of raw JSON dumps • Grok retries more server errors during outages • Auto recaps no longer appear mid-turn or while busy • /btw error messages wrap fully • Forking very large sessions no longer uses many times the session file size in memory • Exiting an empty session is instant, even on slow networks Update now with "grok update" command.

Vercel 与 OpenAI 等多家公司联合推出 Agent Plugins 开放标准 Agent Plugins 是一个跨平台、中立的AI Agent插件标准，旨在解决 Agent Skills和 MCP 服务器在不同客户端间格式不统一、难以复用的问题。 规范非常轻量，插件根目录下只需包含一个包含基本元数据的 plugin.json 文件，并使用固定目录存放组件（如存放 Skill 的 skills/ 目录和配置 MCP 的 mcp.json） 由 Vercel 发起，并与 AWS、Anysphere、GitHub、Microsoft 及 OpenAI 等公司联合制定。支持包括 ChatGPT、Codex、Cursor、GitHub Copilot、Kiro 以及 VS Code 在内的主流平台与工具。 没有Anthropic参与，首发也不支持Claude Code。Skill和MCP标准都是Anthropic推出的，这些公司联合有对抗Anthropic的意思。 详细介绍：

Agent Plugins 是由 OpenAI、AWS、Cursor、GitHub、VS Code 和 Vercel 等厂商共同推动的开放标准，把 Agent Skills 和 MCP 服务器配置打包成一次构建、多个 AI Agent 客户端间通用的可移植插件。

Build a plugin once and use it across compatible agent clients. Introducing Agent Plugins, an open standard developed with @awsdevelopers, @cursor_ai, @github, @code, and @vercel that packages Agent Skills and supports MCP server configurations in a shared format.

🚀发现一个很适合搭配 Pi、Claude Code、Cursor 使用的开源知识库项目：pi-llm-wiki。 它采用 Karpathy 提出的 LLM Wiki 思路，把 URL、PDF、Markdown、JSON、XML 等原始资料，转化为可持续维护、相互链接的本地 Wiki，而不是每次提问都重新进行一次性 RAG。 核心亮点： ▪️ 自动采集、整理和关联不同来源 ▪️ 区分原始资料、来源摘要、概念页和综合分析 ▪️ 兼容 Obsidian，可直接查看和编辑 ▪️ 原生支持 OKF v0.2，知识库不被特定应用锁定 ▪️ 同时搜索个人知识库与项目知识库 ▪️ 自动检查断链、孤立页面、内容冲突和知识缺口 ▪️ 通过 MCP 接入 Claude Code、Cursor、Windsurf ▪️ 可选记录 Agent 的任务轨迹，并沉淀为可复用 Skills 这不是简单的“让 AI 搜索笔记”，而是让 AI 帮你长期维护一套会不断积累、更新和复利的知识系统。

Codex、WorkBuddy 等 Agent 已经能读取 PDF。面对扫描件、多栏排版、跨页表格和公式时，解析质量仍会直接影响后续的检索、问答和数据提取。 Mac 上可以本地运行的 PDF parser 很多，PaddleOCR、GLM-OCR、MinerU 等工具的安装方式和运行环境各不相同。文档类型变化后，想换一个 parser 重新处理，通常还要重新配置。 DocDot @docdotai 把多个本地 parser 集中到了同一个 CLI 中管理。 官方安装命令： curl -fsSL | bash 安装 DocDot 后，可以在 NanoDoc、PaddleOCR、GLM-OCR、MinerU、LiteParse 之间安装和切换，并将 PDF 解析为 Markdown 或 JSON。后续还会继续增加新的 parser。 DocDot 也提供了 Web Mode。运行 `docdot web` 后，可以在浏览器中并排比较 3 个 parser 的结果。遇到复杂表格、公式或特殊排版时，可以根据实际输出选择更合适的解析器。 根据官方说明，安装程序还能扫描本机的 Codex、Claude Code、OpenClaw、Hermes 等 Agent，并配置相应的 Skill；需要接入其他应用时，也可以通过 MCP 调用。解析在本机运行，PDF 无需上传，目前主要面向 Apple Silicon Mac。 我在 Mac 上安装了 DocDot 和 NanoDoc，并准备了一页包含中英文、表格和公式的 PDF。 首次启动完成模型编译后，再次解析同一份 PDF 用时约 2.3 秒。正文和公式基本准确，表格结构得到保留，小字号表头仍有少量误识别。 这只是一份单页样本，不能替代完整的性能测试。官方技术报告使用了 4,231 页、64 类文档进行比较，NanoDoc 的综合质量和 Table TEDS 在参测解析器中均排名第一。 DocDot 今天在 Product Hunt 上线：

今天聊聊我们和「微软」故事。 考虑双方仍处于合作关系，只说 10 年前的事情，但同样精彩。 如果，当初，我要是知道和微软合作，能让「数码荔枝」一年巨亏上百万 ... 我一定乘时光机回到过去，掐断那通电话。 但 2015 年前后，微软刚刚发布了 Office 365 订阅版。 为了全国迅速铺量，微软采用了极其激进的价格，大致在 30-50 元/年，销量极好。 那时，刚创业的我，整个数码荔枝淘宝店，都是月销十几笔的小众宝藏软件。 我们急需一些明星产品，提升店铺曝光，又能符合我们所要的「调性」 我自然将目光放在了 Office 365 上。 那怎么联系上微软呢？又怎么才能销售正版 Office 365 呢？ 比起第一个问题，解决第二个问题更紧迫。 于是，我一家一家联系其他销售 Office 365 的淘宝店，直接问他们买 200 套是什么价格 什么？你们还剩下 237 套？好的，我全要了。 然后，一箱一箱的 Office 365 快递到了我家。 盒子和里面的兑换卡片，我当时都拍照作为留念。 为了能对齐价格，当时我们的 Office 365 销售价，直接按进货价定。 上架第一天就有销量，且一天比一天卖的多。 虽然卖得多，但完全不赚钱啊 ... 一次次进货，纯亏物流快递费。 而且随着时间推移，成本水涨船高，单套的进价慢慢变成 70, 80, 100... 所以，我一直在寻找与微软的正式合作机会。 直到有天，我们遇到了一个推广合作伙伴。 他告诉我们，他正好是微软的 MCP (Microsoft Certified Professional) 而且，他正好也认识微软上海的销售经理，可以引荐一下。 但需要我们提供一份详细的自我介绍 PPT，然后帮我们约电话面聊。 我当时觉得，属于「数码荔枝」的高光就要来了，全然不知将要面对什么。 (未完待续)

如果您在做 Agent Harness 相关的开源项目，希望在 DeepSeek Harness 发布的第一时间进行接入支持，请回复您的 GitHub id 以及 GitHub 项目地址，包括但不限于 plugin, skill, MCP, orchestrator, aggregator, UI 等等。 我们会选择一些开源项目的作者邀请参与DSH内测，并赠送部分API额度，让您可以做到在DSH发布时第一时间接入支持。 请同时私信我您的邮箱，我们会使用 email 联系您。