Model Context Protocol（MCP）作为 AI 应用生态系统中的关键协议，为大语言模型与外部工具、数据源的集成提供了标准化接口。随着 MCP 在企业级应用中的快速普及，其安全风险也日益凸显。构建一套智能化的 MCP 安全扫描系统，不仅是技术发展的必然需求，更是保障 AI 生态安全的重要基础设施。
Model Context Protocol（MCP）作为 AI 应用生态系统中的关键协议，为大语言模型与外部工具、数据源的集成提供了标准化接口。旨在为大型语言模型（LLM）与外部数据源、工具之间建立标准化的双向通信链路。通过该协议，开发者能够以统一的格式连接多样化的数据源，从而显著降低了智能体（Agent）的开发复杂度，加速了其在各行业的应用落地。 本期我们将为大家介绍 MCP 在安全领域的实践，教你打造一款专属的AI安全助手！（文末扫码加入开发者群）
KMP（Kotlin multiplatform）是 Kotlin 语言的一项重要特性，允许将 kotlin 代码运行在不同平台上，通过『一码多端』的方式来节省成本。 而与诸如 Java / React 这类跨端方案不同，KMP 没有采用所谓的虚拟机的思路，而是选择直接将 kotlin 源码编译成目标平台代码运行的方案。
本文旨在深入剖析火山引擎 Model Context Protocol (MCP) 开放生态下的 OAuth 授权安全挑战，并系统阐述火山引擎为此构建的多层次、纵深防御安全方案。面对由 OAuth 2.0动态客户端注册带来的灵活性与潜在风险，我们设计了从“事前预防”到“事中限制”，再到“事后兜底”的完整安全闭环。该体系通过授权前二次确认、令牌身份与权限隔离、以及 API 级别精细化管控等关键举措，在确保 MCP 生态灵活开放的同时，最大限度地保障用户资产与数据安全，构建值得信赖的开发者生态。
智能体的系统提示词加固是指通过优化，补充，约束系统提示词的内容和结构，增强其对模型“约束力”和“指导性”，让智能体在收到用户的请求时通过安全研判后来决定返回的内容，确保模型在复杂场景下行为可控、安全合规、效果稳定。不同约束的效果可能因“模型类型”、“应用场景”而异，本方案旨在为系统提示词加固提供指导，确保约束在多种情境下的适用性。 系统提示词的加固效果受到多种因素的影响，例如“模型类型”、“系统提示词的长度”，“加固内容在系统提示词中的位置”以及“添加的加固类型数量”等。在具体场景中，如何对系统提示词作安全加固，既要考虑模型特性和场景差异，还要兼顾加固内容的一致性和普适性。
我们提出了 PartCrafter，一种新颖的结构化 3D 生成模型，为 3D 对象创建引入了一种变革性的方法。PartCrafter 不仅能生成可分解的 3D 网格，还支持灵活的部件编辑，为创作者提供了更高的自由度。它打破了传统的整体式 3D 模型生成规范，不仅彻底改变了 3D 模型的生成方式，还显著增强了 3D AIGC 的基础模型能力和可解释性。
当短剧出海、跨境电商等新兴领域打造全球化内容时，面临着一个棘手的基础问题——原始视频的中文字幕。原始字幕对于海外观众来说，不仅是无效信息，还严重干扰观看体验。传统方案——直接添加对应外语字幕会导致画面杂乱，而使用马赛克或基于 GAN 的字幕擦除补全方案会导致画面模糊、帧间闪烁，都无法彻底解决这一挑战，使得优质内容的出海之路障碍重重。 如今，火山引擎视频点播带来了破局之道——应用基于 DiT 大模型与字体级分割的无痕字幕擦除功能。该方案以两大核心技术突破和强大工程能力，重新定义字幕擦除标准，不仅可以实现全片真实自然的“无痕擦除”，更灵活支持多字幕框、指定时间段的精准擦除。
