web-researcher-mcp
web-researcher-mcp：以 Go 與 MCP 實作可點擊來源與全文擷取
面對人工智慧捏造來源的挑戰，此工具讓使用者限定可信網站作為檢索範圍，能擷取全文並回傳可點擊引用連結。它支持多家搜尋供應者與多種檢索鏡頭，有助提升研究可驗證性並減少對封閉合成結果的依賴。專案以MIT授權釋出，使用Go開發並包含數項預設工具與擴充選項，旨在把研究流程回歸到可追溯的來源。
MCP
深度分析
CVE-2026-48710（BadHost）：Starlette Host 驗證缺失對 FastAPI 與 MCP 的授權繞過風險
資安研究者揭露Starlette框架存在一項關鍵漏洞，可使攻擊者藉由修改HTTPHost欄位注入路徑，讓框架錯誤重建請求URL並繞過基於路徑的授權，導致SSRF或遠端程式執行；受影響系統涵蓋FastAPI生態、MCP伺服器與多個AI代理，存在敏感資料與憑證外洩風險。
深度分析
mcp-attested：以離線 clearance assertion 與稽核鏈強化 MCP 伺服器准入
在ModelContextProtocol沒有定義信任邊界的背景下，提出mcp-attested：以離線簽章的clearanceassertion、伺服器級deny-by-default工具白名單，以及可切換為強制拒絕並寫入鏈式稽核日誌的執行模式，不改動MCP訊息可為外部伺服器提供授權與審計保障。
Lore
Lore MCP 伺服器：以 PostgreSQL + pgvector 建構代理人原生的運維知識庫
在工程團隊與AI代理人缺乏持續上下文的情況下，Lore以PostgreSQL+pgvector實作語意搜尋與知識圖譜，支援Claude Code整合，讓運維資訊跨會話保存，提升問題排除效率並降低資訊斷層風險。同時提供屬性標記與驗證機制，確保資訊來源可追溯，適合大型DevOps環境部署。
MCP
Insight‑Link Pro：以 MCP 伺服器結合程式碼倉庫與即時文件為 LLM 提供可驗證上下文
Insight‑Link Pro 宣稱能把大型語言模型的回答綁定到實際程式倉庫與即時文件上，透過三階段執行管線：先探索並映射程式庫結構，接著擷取原始程式碼與線上文件或社群解答，最後綜合來源產出帶引用的回應。專案目標是把每一項主張對應到可驗證來源，降低模型憑空推論，讓開發者在除錯、文件查證與架構理解時取得可追溯的證據與上下文參考。
MCP
Knot — Go 與 Svelte 5 架構，原生支援 MCP 與 Claude 的輕量 API 文件平台
一個新興開源專案Knot提出以MCP為核心的API文件管理平台，結合Go後端與Svelte前端，內建AI助理整合供Claude等模型使用。平台支援多種資料庫、Markdown文件、模糊搜尋與拖放式管理，旨在簡化API檢索與互動流程，對開發與團隊協作有實務影響。
GeneXus18MCP
GeneXus18MCP 與 MCP 協定：讓 Claude 系列代理在 GeneXus 18 KB 上讀寫
GitHub 上新發現的 GeneXus18 MCP Server 專案，透過 Model Context Protocol（MCP）連結原生 GeneXus SDK，允許 Claude、Cursor 與其他 MCP 相容客戶端直接讀取、編輯與重構 Knowledge Base（KB）內的交易、Web 面板、程序與 SDT。
lean-ctx
lean-ctx：以 Rust 實作的輕量認知上下文層，降低 LLM token 成本與冷啟動
在 GitHub 發現的開源專案 lean-ctx，主打為程式開發代理人與 LLM 工具提供一層輕量且本地優先的認知上下文。專案以單一執行檔、零設定為訴求，透過快取、壓縮與多種讀取模式降低重複讀取與雜訊導致的 token 浪費，並提供即時儀表板與會話記憶機制。
深度分析
ADR 系統解析：從Sensor到Detector的MCP代理安全實務
面對Model Context Protocol驅動的企業代理威脅，研究提出ADR系統。ADR結合Sensor重建提示與推理鏈、Explorer離線紅隊化發現難例、以及兩階段Detector以高速篩檢與情境化推理。實際十個月部署覆蓋7200台主機與每日處理10000場代理會話，顯著偵測並阻止多類憑證外洩，
YantrikDB
YantrikDB MCP：以 Rust 引擎與 Python 封裝打造的 MCP 相容持久認知記憶層
在多代理與檢索增強生成（RAG）興起的背景下，yantrikos/yantrikdb-mcp 提供一套可插拔的 MCP（Model Context Protocol）伺服器，讓 Claude Code、Cursor 與 Windsurf 等 MCP 相容客戶端能存取持久化的認知記憶。
MARM
MARM MCP 持久記憶層設計：FastAPI、SQLite 與 MCP 相容性實作
近年大型語言模型在跨會話記憶與上下文延展上有限。MARM採用MCP原生的持久記憶層、向量語意搜尋與自動分類，並整合SQLite與Docker部署，使多個AI客戶端共享可控記憶，提升跨會話一致性與回溯能力。該專案在GitHub上有289顆星與50個fork，採MIT授權。
open-computer-use
open-computer-use：以MCP封裝的跨平台 Computer Use 桌面自動化方案
這個專案受到CodexComputerUse啟發，提出開放原始碼的ComputerUse服務。專案以MCP封裝，實現跨平台桌面使用能力，macOS透過Accessibility與螢幕錄製整合。結果是提供MIT授權的跨平台替代方案，便利各種AI代理接入與測試。將加速桌面自動化在社群中的實驗與部署。