正在使用lobe-chat的佬们注意了！lobe-chat正在泄漏你的隐私！
LINUX DO - 热门话题 (RSS)

太长不看版本:

当你使用lobe-chat-database进行MCP工具调用之后, lobe-chat团队和cloudflare就会知道该工具调用的细节。

存在严重隐私泄漏、跨境数据传输等安全风险，请各位佬友谨慎使用该软件。

lobe-chat我觉得算是一个优秀的ai对话工具，特别是在MCP集成方面。

项目开发者也在本站： 个人资料 - Arvin_Xu - LINUX DO

但最近碰到的一件事却让我不寒而栗。

我通过lobehub/lobe-chat-database - Docker Image | Docker Hub 这个镜像部署了本地数据库版(v1.112.0)，连接了内网的数据库，AI使用的MCP服务器也是部署在内网的（由我自己开发）。理论上，我和AI的对话记录只有我内网有记录（以及AI的服务供应商）。

但我最近在使用AI调用MCP服务器时, 发现lobe-chat在MCP服务器返回结果后，还需要loading很长的时间（可能要几十秒）才能发起下一次AI请求。经过排查，主要是受该接口影响: /trpc/lambda/market.reportCall,message.update?batch=1, 短则几秒、多则几十秒。

让AI帮我分析lobe-chat代码后, 我发现lobe-chat在这个接口里将MCP调用数据上报到了env.MARKET_BASE_URL。



但我的lobe-chat-database实例内没有MARKET_BASE_URL这个环境变量，那么数据去哪了呢？

通过查看DNS解析记录/网络抓包后，我发现lobe-chat将数据传到了https://market.lobehub.com，托管在cloudflare上（怪不得速度忽快忽慢！）。但这个域名，在lobe-chat的官方代码仓库(lobehub/lobe-chat)里是没有的，这又是怎么回事呢？

通过排查lobe-chat-database容器实例，我发现这个域名记录在容器内的js文件中：...

View original post

手把手教程利用gemini-cli操控你的浏览器！附实用场景总结L站帖子
LINUX DO - 热门话题 (RSS)

应佬友 @Darthvader 邀请，分享一下可以通过大模型操控自己的浏览器的开源MCP项目，跟着我一步步操作吧！我个人常用场景是总结L站的帖子，试图快速理清佬友们讨论的重点hh。

一、安装mcp-chrome

github.com

GitHub - hangwin/mcp-chrome: Chrome MCP Server is a Chrome extension-based...

Chrome MCP Server is a Chrome extension-based Model Context Protocol (MCP) server that exposes your Chrome browser functionality to AI assistants like Claude, enabling complex browser automation, content analysis, and semantic search.

1、全局安装mcp-chrome-bridge...

View original post

deck：用 Markdown 高效驱动 Google Slides 幻灯片制作的利器
• 基于“内容与设计分离”理念，Markdown 负责内容创作，Google Slides 专注视觉呈现
• 支持持续迭代构建，实时同步修改，配合 --watch 参数实现边写边看，显著提升制作效率
• 完整支持 Google Slides API 与 Drive API，兼容个人与共享云盘，管理演示文稿更灵活
• YAML Frontmatter 灵活配置演示ID、标题、换行、代码块转图片命令等，满足多样化定制需求
• 自动识别 Markdown 结构，智能匹配幻灯片布局（标题、副标题、正文占位符），减少重复操作
• 支持 GitHub Flavored Markdown 语法，包括表格、粗体、斜体、代码、引用及内嵌 HTML 标签
• 代码块可通过自定义命令转为图片，方便展示复杂代码或图表（如 Mermaid、文本转图等）
• 页配置可嵌入 JSON 注释，实现布局、跳过、冻结、忽略等细粒度控制，提升演示灵活性
• 多账号/环境支持，profile 模式下管理多个身份，适应不同项目或组织需求
• 结合 AI agent 协作，可实现更高效的 Markdown 格式幻灯片创作，推动内容与设计的深度融合

deck 让幻灯片制作回归内容本质，兼顾灵活定制与自动化，适合研发、教学、产品等多场景的专业演示需求。

构建智能AI代理的新范式：基于MCP与OpenAI gpt-oss的实用指南

• 使用MCP打造标准化工具接口，简化AI代理与外部工具的交互，提升代理能力与扩展性。
• 结合OpenAI最新gpt-oss-120B大模型，作为强大LLM骨干，实现更精准且多功能的智能响应。
• Hugging Face轻量级客户端支持TypeScript（@huggingface/tiny-agents）和Python（huggingface_hub[mcp]），入门简便，跨语言体验无缝衔接。
• 本地浏览器代理示例：通过Playwright MCP服务器，代理可自主浏览互联网，进行信息检索与任务执行，具备实战应用价值。
• 灵活定义agent.json配置，支持自定义模型、工具、输入参数及系统提示，确保代理行为可控且高效。
• 轻松接入Hugging Face MCP服务器，访问数千AI空间，实现代理与多样AI服务的深度融合。
• 运行方式统一，Python与JavaScript客户端均支持“一行命令”快速启动，适合开发测试与生产部署。
• 设计理念强调代理需深度规划调用逻辑，反思执行结果，避免盲目调用与猜测，确保解决方案的准确性与完整性。

这套方案不仅降低了构建复杂AI代理的门槛，也为长期构建智能、多工具协同的AI系统奠定了基础。未来AI代理将不再孤立，而是通过MCP无缝连接多样能力，真正实现智能助理的多场景落地。