更新UPDATES

MCP Front-End-Checklist 面向人与AI的前端质量清单
连接器
前端上线前到底该检查什么？很多团队靠记忆或零散的清单，结果漏了 SEO、可访问性、性能、安全里的某一项，上线后才后悔。Front-End-Checklist 把现代前端最佳实践系统化成一份可执行的检查体系，既给人用，也给 AI agent 用。 Front-End-Checklist 是面向“人和 AI 智能体”的开源前端质量系统。它把 386 条英文规则、11 个分类整理成可浏览、可过滤、可接入工作流的清单，并额外提供 MCP 服务让 agent 直接参与 review。
MCP REA 用智能体逆向任意软件与二进制
连接器
看到一个竞品 App 里很棒的功能，想搞清楚它是怎么实现的，却苦于没有源码——这种“逆向”需求在产品和工程里太常见了。传统逆向工具要么门槛高（IDA/Ghidra），要么和 AI 工作流脱节。REA 的切入点很巧：把逆向能力做成一个 MCP，让你的编码智能体直接调用。 REA（Reverse Engineer Anything）是一个面向逆向工程的 MCP 与 agent 工具集，覆盖原生二进制、JavaScript/Electron 应用、.NET 程序集和网站。你只需用自...
MCP CodeGraphContext 把代码仓库索引成图谱喂给AI助手
连接器
面对一个陌生的百万行代码库，让 AI 助手回答“谁调用了这个函数”“这块有没有死代码”，往往因为缺乏结构上下文而答非所问。CodeGraphContext 的解法是：把本地代码索引成图数据库，作为 MCP 服务器 + CLI 工具，给 AI 助手和开发者提供可查询的代码结构上下文。
MCP Chrome-DevTools 让AI智能体直接操控Chrome调试页面
连接器
前端页面出了问题，让 AI 帮忙排查，最难的是它看不见浏览器。你把控制台报错贴给它，它只能猜；性能有问题，它拿不到 trace；想验证改动的效果，它连页面都打不开。于是大量「看起来 AI 全包、实则人工传话」的调试流程，效率损耗在复制粘贴上。Chrome DevTools 官方团队开源的 chrome-devtools-mcp 就是拆掉这堵墙的：它把完整的 Chrome DevTools 能力通过 MCP 协议暴露给编码智能体，让 Claude、Cursor、Copilot ...
MCP Codebase-Memory 本地代码智能为开发者和AI智能体建知识图谱
连接器
AI 编码助手最常见的短板，是“记不住”你的代码库：每次对话都从零读文件，重复消耗大量 token，也容易被长上下文淹没，甚至读漏关键文件。更隐蔽的问题是，它往往不清楚“改 A 会影响哪些测试”，于是一边改一边引入新的回归。Codebase-Memory-MCP 用一个本地知识图谱把代码、文档与基础设施连起来，让 AI 智能体像拥有长期记忆一样精准定位改动点，而不是盲目扫描全仓。它把“代码理解”从每次临时读取，升级为一次建图、长久复用。
MCP Agent-Toolkit-for-AWS 让 AI 智能体直接驾驭 AWS 云服务
连接器
让编码代理去碰 AWS，一直是件让人手心出汗的事。一方面，现代应用部署、建表、配队列、接 Bedrock 智能体，几乎每一步都要调云 API；另一方面，一个被注入误导指令的代理，可能几秒内就为你开出一堆计费资源、改掉生产权限、或把密钥写进公开仓库。问题不在“代理能不能用 AWS”，而在“怎么让它用得可控、可审计、可被团队策略约束”。 AWS 官方的答案叫 Agent Toolkit for AWS。它不是另一个 CLI 外壳，而是一套同时包含 MCP 服务器、agent 技能...
MCP rea 用智能体对二进制与应用做一次彻底的逆向
连接器
逆向工程一直是个门槛很高的活：动静态分析、反汇编、跨平台差异、运行时行为追踪，每一步都要专业工具和经验。更麻烦的是，这些知识很难跟智能体共享——你没法简单地把“这个二进制为什么这么跳”讲给一个通用智能体听。morluto 的 REA（Reverse Engineer Anything）把这件事翻转过来：它提供一个 MCP 服务，让 Claude Code、Codex、Cursor、Gemini CLI 等智能体直接对二进制、应用和运行时行为做逆向分析，从“这个 App 的搜索...
MCP agent-toolkit-for-aws 给AI代理装上原厂AWS工具与护栏
连接器
让 AI 编码代理去碰 AWS，最怕两件事：一是模型对最新服务、最新 SDK 用法记忆过期，写的代码跑不起来；二是代理一旦拿到凭证，可能越过你本意去删资源、改配置，出了事没法追溯。靠代理自己瞎猜 AWS CLI 参数，往往既低效又危险。AWS 自己下场给出了官方解法：一套原厂维护的 MCP 服务器、skills 和 plugins，让代理在受控、可审计的前提下帮你在云上构建、部署、运维。 Agent Toolkit for AWS 就是这套官方工具箱，它接的是你已经在用的编码...
从零实现 MCP 服务：让 AI Agent 真正调用你的系统
开发 · 连接器
MCP 解决了什么问题 大语言模型擅长推理，但不擅长“接系统”。过去每接一个数据源，就要写一套专属的 function calling 定义、鉴权逻辑和提示词，N 个模型 × M 个数据源 = N×M 份重复劳动。 MCP（Model Context Protocol） 把这件事标准化：工具提供方暴露一个 MCP Server，模型侧只需实现 MCP Client。协议基于 JSON-RPC 2.0，传输层支持 stdio（本地）与 Streamable HTTP（远程）。 ...
  1. 1
  2. 2
  3. 3
  4. 4