EP109 · MCP apps、智能体持续学习、Noi 调试 · 07-06 早报

作者 Pietro Zullo 在 AI Engineer 的分享提出 MCP apps 是 MCP 服务器从只返回 JSON 的后端，升级为 AI 客户端内的交互界面：模型调用工具后，服务器可返回沙箱化的 iframe 组件，并继续与宿主通信、更新模型可见状态。他还指出 ChatGPT、Claude、Cursor 正成为可自服务的分发渠道，用户表达意图时客户端可动态发现连接器，让产品在用户需要时被命中。结尾建议尽快上线一个 MCP app，因为更多软件交互可能向这里迁移。

作者 Soheil Feizi 在 AI Engineer 演讲中把智能体持续学习拆成两个难题：有用的反馈从哪来，到手后该改哪一层。他强调生产日志不是学习环境，必须从会话中推断出可执行的模拟与评估环境，失败才能反复验证。他还对比模型层（SFT、DPO、LoRA）、harness 层与记忆层三类更新的代价与风险，提出每次修复都应可重放、对历史学习环境做回归。

作者浮之静在 Noi（转向 AgentOS 的本地 Agent 底座）里集成 Chrome 插件时撞上白屏：日志提示消息通道异常，根因却在后台运行时生命周期。文章用 Google Translate、Tampermonkey、AdBlock 三类典型插件还原插件页从识别到渲染的长链路，记录 Codex 用一次 A/B（保留原生 runtime messaging）把问题从消灭日志推进到因果闭环，印证「报错发生在消息层，不代表根因就在消息层」。结论落在调试方法论：复杂 bug 多是责任链断裂，要设计能改变判断权重的实验。

Simon Willison 详细介绍了如何使用 Claude Fable（以及 GPT-5.5）来审查和改进 sqlite-utils 4.0rc2，发现关键 bug、完善事务处理、生成发布说明，全部预估 AI 成本约 $149.25。

本文首次对 Apple AirDrop 和 Android Quick Share 进行了跨平台逆向工程和协议感知模糊测试研究，揭示了三个生态系统中的六个漏洞。

北京大学与中科院团队利用相变存储器的电阻漂移特性，研制出全球首款基于可控存内计算的神经动力学芯片，以 0.43 秒完成大脑皮层 3D 重建，速度比 GPU 快近 500 倍。

本开发日志涵盖 Zig 编译器的近期改进：包管理迁移至构建系统、SPIR-V 后端进展、新的 @bitCast 语义，以及 ELF 链接器的增量编译能力。

Anthropic 工程负责人 Felix Rieseberg 分享如何将 Claude 从聊天窗口转变为能读取数据、构建工具、在后台执行任务的工作伙伴，核心在于拆解任务、提供上下文和建立可复用的小系统。

本文介绍纽约大学与LeCun团队提出的AdaJEPA框架，通过测试时自适应机制让世界模型在部署中持续学习，显著提升面对环境分布变化时的规划成功率。

前红杉运营合伙人、Airbnb 工程师 Gao Sun 构建了 Logto，一个开源身份平台，以免费自托管、无限 SSO 和完整认证能力与 Okta 竞争。