MCP connectors

Off Grid AI：本地优先的端侧多模态 AI 运行时与 OpenAI 兼容网关

off-grid-ai/OGAD · Off Grid AI — private, on-device AI. Run open models (text, vision, image, voice) locally through one OpenAI-compatible gateway. No cloud, no accounts, no API keys.

Off Grid AI 是一个桌面端本地优先的 AI 运行时与工作室，通过内置的 llama.cpp、stable-diffusion.cpp、whisper.cpp 和 Kokoro，在用户机器上运行开源文本、视觉、图像、语音与语音识别模型，并提供统一的 OpenAI 兼容本地网关（http://127.0.0.1:7878/v1）。免费开源核心包含聊天（文本+视觉+推理模式）、图像生成、语音输入输出、Artifacts/Canvas、带 RAG 的项目、聊天工具与 MCP 连接器、模型目录与 Hugging Face 搜索。Pro 版本额外提供始终在线的端侧「看见/记忆/反思/行动」层，包括屏幕 OCR、日记与实体、回放、会议记录、听写、剪贴板管理与审批队列等，属于付费授权功能。所有推理均在本地完成，不经过官方服务器，无需账号与 API Key。

演讲：LinkedIn 的上下文工程——如何用 MCP 为 AI Agent 构建组织级上下文层

LinkedIn 的 Ajay Prakash 介绍了一项内部工作：给写代码的 AI 助手补上它最缺的东西——公司内部的知识。AI 助手在庞大的代码库里常常“找不着北”，不知道内部有哪些工具、流程该怎么走。他们基于 MCP（一种让 AI 助手连接外部工具和数据的开放协议）搭建了“上下文 Agent 手册与工具”，把内部的操作经验、代码搜索和运行手册直接喂给 AI 助手。作者称这套做法让开发效率提升 20%，同时可靠性没有下降。想在企业里落地 AI 编程助手的团队，可以关注其中提到的架构设计和运维护栏。

你该读代码吗？RAG 死了吗？Skills 杀死 MCP 了吗？

GitHub 播客聊了五个关于 AI 编程的热门说法。第一，AI 生成的代码还是得读，因为最终责任在你，只是不用每行都同样仔细，判断风险在哪里才是关键。第二，公司招人更看重你会不会在合适的时候用 AI、说清自己的判断，而不是逼你全程用或完全不用。第三，Skills 和 MCP 不冲突：MCP 负责让 AI 连上工具和数据，Skills 负责告诉它这个项目的规矩和流程，两者搭配使用。第四，RAG 没死，它帮模型先找到相关资料再回答，省 token、也更准，可以和 Agent、MCP 一起用。第五，模型看不懂你的代码库时，通常说明代码本身对新人也不友好，清晰的结构和命名对人和 AI 都有好处。

DoorDash 利用多智能体 LLM 清理 6 万个功能开关

DoorDash 内部积累了大量过时的“功能开关”（feature flag，即控制功能是否上线的开关代码），散落在 623 个代码仓库里，清理起来费时费力。他们用多个 AI 智能体组成流水线，自动完成这类清理：先通过 MCP 获取线上实验数据，再经工程师确认，在独立的 Git 工作区中并行执行修改，最后由自动检查验证结果。在 50 个开关的测试中，45 个成功生成了可用的代码合并请求，平均每个耗时 13.8 分钟、花费 4.79 美元。这意味着这类繁琐的代码维护工作可以大幅交给 AI 自动完成，工程师只需做最终审核。

Awesome Harness Primitives：GitHub Copilot 与 Claude Code 的智能体构件库

paulasilvatech/awesome-harness-primitives · Curated, validated harness primitives for GitHub Copilot and Claude Code: agents, skills, prompts, hooks, plugins, MCP integrations, catalogs, and tooling.

该项目是一个经过整理和验证的构件（primitives）集合，面向 GitHub Copilot 和 Claude Code，包含 agents、instructions、skills、prompts、hooks、plugins、MCP 集成、目录与配套工具。GitHub Copilot 侧为规范来源，Claude Code 侧由兼容内容按明确转换规则生成，并带有漂移检查与运行时验证。仓库提供目录浏览、插件或独立构件的安装指南、运行时契约规范以及自动化校验流程，可用于为这两个编码助手搭建可复用的智能体与自动化能力。

让全球数据更易探索

联合国系统把各个机构分散、格式不一的数据，整合成一个叫“联合国系统数据共享”的公开平台。以前分析师要花好几个月手动整理这些数据，现在平台用AI知识图谱自动连接，还能用大白话提问，比如“农村干净水如何影响上学”，直接得到图表和答案。平台还让AI助手自动抓取权威数据，帮你生成报告草稿。目前数据有限，计划到2027年覆盖80%的联合国统计数据集。

Anthropic 认为用户选错了，于是取消了选择

Anthropic 之前把 Claude 分成两个入口：日常问答用 Chat，处理大项目用 Cowork，做视觉设计还要再进 Design，用户每次都得先想“这活儿该放哪儿”。现在它把 Chat 和 Cowork 合并成一个对话界面，从简单回答到多步骤任务都能在同一段对话里完成，Design 也搬进了对话，同时以测试版形式在付费方案中推出 Claude Docs 和 Claude Slides，可在对话里直接做文档和演示文稿并导出成 PowerPoint 或 PDF。对用户来说，好处是不用再纠结从哪个模式开始，背景信息、连接的工具和技能能跟着对话走，任务还能在关掉笔记本后继续跑。目前先向 Pro 和 Max 用户开放，未来几周覆盖网页、桌面和手机端，团队版和免费版随后跟进，企业版有至少 30 天提前通知；但官方没说能否强制只走简单聊天、对上下文和 token 消耗有何影响，也没有提 API 变化。