MCP Security in Practice: Building a Go Gateway That Blocks Unsafe AI Tool Calls

InfoWorld25 Hot4 min12 h agoAI

Suddenly I’m a Go developer

Bối cảnh là AI Claude có thể giúp bạn trở thành Go developer một cách nhanh chóng. Nguyên nhân kỹ thuật nằm ở khả năng viết code, debug và giải thích Go của Claude mà không cần kiến thức nền tảng sâu ban đầu. Hệ quả là lập trình viên có thể triển khai project Go phức tạp chỉ với vài prompt và kiểm tra code bằng Go testing framework. Điều đáng học là tương lai phát triển phần mềm sẽ phụ thuộc nhiều hơn vào AI-assisted development, cụ thể là công cụ như Claude có thể xử lý toàn bộ workflow từ design đến production code trong Go.

Bài viết này hướng dẫn bạn cách trở thành lập trình viên Go nhờ trợ lý AI Claude.

#go #claude-code #vibe-coding Source

Tenable Blog1 Hot11 min8 h agoAI

Introducing the CyberAgents Exchange AI Inspector: Rigorous review for community-built AI

Tenable và OpenAI đã hợp tác phát triển CyberAgents Exchange AI Inspector để kiểm tra bảo mật các AI agent, kỹ năng và MCP server nguồn mở. Công cụ này sử dụng phương pháp đánh giá tự động và thủ công để phát hiện lỗ hổng bảo mật trong mã nguồn AI. Qua quá trình kiểm thử, công cụ đã xác định được 27 lỗ hổng nghiêm trọng trong 3 project mẫu gồm Auto-GPT, MetaGPT và MCP Server. Điều đáng chú ý là nền tảng này kết hợp cả kỹ thuật static analysis và dynamic testing để đảm bảo độ tin cậy, giúp các lập trình viên tiết kiệm thời gian kiểm thủ công mã AI trước khi triển khai.

CyberAgents Exchange AI Inspector giúp đánh giá bảo mật nghiêm ngặt cho các AI agent mã nguồn mở do cộng đồng xây dựng.

#openai #mcp #prompt-injection Source

Together AI1 Hot16 min4 h agoAI

The Open Source AI Stack

Bối cảnh là việc xây dựng các workflow lập trình có tính agent (tự chủ) trong thế giới AI mã nguồn mở. Nguyên nhân kỹ thuật là nhu cầu cấu trúc hóa stack AI qua 5 lớp MIGHT (Model, Inference, Gateways/routers, Harness, Tools), với các lựa chọn cụ thể như model Kimi K3 hoặc GLM 5.3 Flash, inference provider Together AI, gateways OpenRouter và Vercel AI Gateway, cùng harness như OpenCode, PI, và Amp. Hệ quả là stack composable giúp mỗi lớp có thể thay đổi độc lập, tối ưu hóa hiệu suất và chi phí. Điều đáng học là các phương pháp quản lý context, bắt đầu session mới, và quy trình plan-implement-review đa model để phát triển hiệu quả hơn.

Bài này giúp lập trình viên hiểu rõ cách xây dựng workflow AI mã nguồn mở với kiến trúc MIGHT linh hoạt, cho phép tối ưu hóa từng thành phần riêng biệt.

#ai-agent #mcp #ai-inference Source

Supabase0 Hot2 min14 h agoAI

Supabase is now available in Gemini Enterprise

Supabase vừa tích hợp với Gemini Enterprise, cho phép truy vấn database bằng ngôn ngữ tự nhiên ngay trên nền tảng. Tích hợp này sử dụng API của Gemini Enterprise để xử lý các truy vấn tự nhiên và chuyển đổi chúng thành SQL queries cho Supabase. Người dùng giờ đây có thể tương tác với dữ liệu của họ mà không cần viết code SQL, giúp tăng hiệu suất làm việc. Đặc biệt tính năng này hỗ trợ các dự án sử dụng Supabase Realtime, cho phép truy vấn dữ liệu thời gian thực. Lập trình viên nên cân nhắc tích hợp này để tăng hiệu quả khi làm việc với dữ liệu phức tạp, đặc biệt khi làm việc với Gemini Enterprise API.

Lập trình viên muốn tự động hóa truy vấn dữ liệu từ các dự án Supabase bằng ngôn ngữ tự nhiên mà không cần viết mã SQL thủ công sẽ tìm hiểu cách kết nối Supabase với Gemini Enterprise để tối ưu hóa hiệu suất và giảm thiểu công sức lập trình.

#backend #gcp #mcp Source

Boldly Go1 Hot2 min1 d agoAI

slog.Handler.WithGroup

Bối cảnh: bài viết trên Boldlygo.tech đề cập đến vấn đề logging hiệu quả trong Go, cụ thể là sử dụng slog.Handler.WithGroup. Nguyên nhân kỹ thuật: phương thức này giúp phân nhóm các log entries thành cấu trúc phân cấp, giảm thiểu việc duplicate khi có nhiều handler cùng xử lý log. Hệ quả: việc implement WithGroup giúp tối ưu hóa hiệu suất logging trong các ứng dụng Go phức tạp, giảm thiểu resource usage. Điều đáng học: các lập trình viên Go có thể học cách thiết kế hệ thống logging có cấu trúc phân cấp, đặc biệt hữu ích khi làm việc với các distributed system cần tracing nhiều tầng.

Bài viết này giúp lập trình viên hiểu cách sử dụng slog.Handler.WithGroup để quản lý log hiệu quả hơn trong Go.

#go #logging Source

Telerik1 Hot7 min1 d agoAI

Prompt Engineering Is Not Enough

Tạo ra AI đáng tin cậy cần nhiều hơn kỹ thuật Prompt Engineering. Việc kết hợp Retrieval, tools, memory và evaluation giúp giữ cho outputs được ground và consistent. Bài viết chỉ ra rằng chỉ sử dụng prompt tốt không đủ để đảm bảo AI đưa ra kết quả chất lượng. Các phương pháp như retrieval-augmented generation giúp giảm hallucinations trong khi tools và memory tạo ra tính nhất quán. Điều đáng học là xây dựng hệ thống AI tổng thể thay vì chỉ tập trung vào phần prompt.

Prompt Engineering không đủ, bạn cần hiểu cách kết hợp Retrieval, Tools, Memory và Evaluation để xây dựng AI đáng tin cậy.

#ai-agent #mcp #prompt-engineering Source

The Next Web1 Hot14 min1 d agoAI

LLMs remember your code, not your life: Building a portable personal context layer

Nhiều người dùng lo ngại về vấn đề quyền riêng tư khi các Large Language Models (LLMs) lưu trữ dữ liệu cá nhân. Tetsuya Wakita đã phát triển vault-mcp, một hệ thống mã nguồn mở giải quyết vấn đề này bằng cách lưu trữ ngữ cảnh AI cá nhân trong một Git repo thuộc sở hữu người dùng. Hệ thống này cung cấp ngữ cảnh cho bất kỳ LLM nào thông qua MCP (Model Context Protocol), đảm bảo dữ liệu cá nhân vẫn thuộc về người dùng dù trợ lý ảo thay đổi. Giải pháp này cho thấy chúng ta có thể tách biệt ngữ cảnh cá nhân khỏi mô hình AI, tạo ra một lớp ngữ cảnh cá nhân có thể di động và sở hữu độc lập. Đây là hướng đi quan trọng để giải quyết vấn đề quyền riêng tư khi sử dụng các trợ lý AI dựa trên LLM.

Vault-MCP cho phép bạn sở hữu và di chuyển bối cảnh cá nhân giữa các trợ lý AI khác nhau.

#typescript #mcp #edge-computing Source

DEV1 Hot14 min1 d agoAI

Two Bugs Later: What It Actually Took to Replace a DNS Library

Thay thế một DNS library trong dự án Go là một quyết định phức tạp hơn nhiều so với tưởng tượng. Nguyên nhân kỹ thuật nằm ở việc library cũ chứa hai bug nghiêm trọng liên quan đến xử lý wildcard records và timeout handling. Hệ quả buộc đội ngũ phải dành hai tuần để tái cấu trúc code và viết hàng ngàn dòng test case mới. Bài viết đáng học hỏi ở chỗ nó chứng minh việc nâng cấp dependency không chỉ là thay thế code mà còn là tái cân bằng toàn bộ kiến trúc hệ thống, với chi phí thực tế lên đến khoảng 40 giờ làm việc của kỹ sư senior.

Bài viết này tiết lộ những quyết định quan trọng và thách thức thực tế khi thay thế một thư viện DNS trong Go.

#security #open-source #go Source

MCP Security in Practice: Building a Go Gateway That Blocks Unsafe AI Tool Calls

Recommended for you

Bình luận

Suddenly I’m a Go developer

Introducing the CyberAgents Exchange AI Inspector: Rigorous review for community-built AI

The Open Source AI Stack

Supabase is now available in Gemini Enterprise

slog.Handler.WithGroup

Prompt Engineering Is Not Enough

LLMs remember your code, not your life: Building a portable personal context layer

Two Bugs Later: What It Actually Took to Replace a DNS Library

One account, the whole ecosystem

8syncdev.com

Courses

Coding practice

IELTS

ZUS — AI IDE

mind0

AcoLeads