每日AI新鲜事·10月18日早间版：MCP扫描误报与AI测评生意

今天AI圈又有不少新动静. 有个实验把MCP扫描器的底裤都扒了, 还有个话题挺有意思, 说网站开始给AI agent留纸条了. 今天咱们主要聊这么几件: 一是无后端加密收款, 二是MCP扫描器翻车, 三是agent调度原语. 四是网站给agent留纸条, 五是Gemini 4 Argon更新, 六是给AI打分这门生意. 对, 就这六件, 咱们一件件来. 嗯, 都挺有得聊的. 先说第一条, 这个挺有意思啊. Dev.to上有篇文章, 讲怎么在没有后端的情况下验证USDT付款. 李博你猜怎么做的? 没有后端? 那大概率是直接跟链上节点打交道了, 我猜是浏览器那边去调公共RPC. 对, 就是静态站点在浏览器里调公共节点, 三次eth_call读商店钱包的BEP-20 USDT余额, 用余额差值判断到没到账. 这个思路我很熟, 本质就是把链当数据库用. 基线先读一次, 然后每二十秒轮一次, 零点一个百分点容差, 六十分钟过期. 省了数据库, 省了事件索引器, 成本几乎为零. 但是有个坑, 并发买家的话, 归因会错, 你不知道是谁付的. 对, 所以浏览器显示的已支付只能当个便利提示. 真要确认, 店主还得去BscScan人工复核一眼. 而且它只支持BNB Smart Chain上的USDT, 转错网络钱就永久没了, 这个挺吓人的. 所以它只适合那种低频低并发的服务型交易, 交付周期一天到两天, 不退款. 场景选对了就挺香. 第二条, 接下来这个实验就厉害了. 有人把MCP扫描器对比重做了一遍, 样本从九百多个一下扩到一万四千多个npm和PyPI包的工具定义. 我看过这个, 重点是全在无网络的gVisor沙箱里离线跑, 还加了两个扫描器, 一共五个参与对比. 结果呢? 结果就是打脸. MCPTox那个基准分数被IMPORTANT标记严重污染了, 加上前缀之后, 几个扫描器拦截数直接暴增, 测的根本不是攻击, 是那个标记. 这就有点尴尬了啊. 那真实包上的表现呢? 误报率从一点七个百分点一路到三十五个百分点, 差别巨大. 手工审阅发现mcp-shield那三百多个拦截里, 只有一个真成立. 三百多拦一个真, 这精度有点离谱了. 那误报都是些什么? 全是低级错误, 全角标点、base64模式、关键词匹配. 更要命的是两个真实恶意包, 一个行为劫持一个隐藏数据流, 所有规则扫描器全漏了. 只有WARDEN那个可选分类器把它们标成了high. 所以这波结论是规则扫描基本不顶用? 至少说明现在拿基准分数当安全能力证明, 很危险. 不过人家实验做得挺实, 固定SHA-256清单、双机同镜像、双跑验证一致性, 数据全公开, 也承认了利益相关. 第三条, 然后说说agent调度. 有篇文章从Akiflow的拖拽时间块切入, 说它底层是任务元数据、日历同步加冲突消解三层管道. 这个角度选得好. Agent要自主安排执行窗口, 缺的恰恰就是这套东西, 大家平时都盯着模型能力, 没人看调度地基. 文章把难题归了三类, 多日历API的最终一致性、速率限制和并发预订冲突, 还有时间窗口的约束求解. 最后那类是硬骨头, 本质上是个约束满足问题, 贪心能凑合, ILP能求优, 但你得权衡延迟和效果. 它还给了四层架构, 调度引擎、任务队列跟元数据、日历同步层、执行运行时, 还列了失败模式和可观测性表格. 连OAuth和速率限制池化这种安全隔离的细节都写了, 还附了最小调度器代码. 想做agent产品的人真该读一遍. 好了新闻先聊到这儿, 接下来咱们深入聊两个话题, 一个是网站给agent留纸条, 一个是给AI打分这门生意. 先说第一个, 最近有个话题挺出圈的, 说网站开始给AI agent留纸条了, 其中一张上面就写着meow. 这个我看过, 本质上是robots.txt那套思路的延伸. 以前是告诉爬虫能不能抓, 现在是直接跟agent对话. 对, 但我觉得它为什么偏偏现在火? 你想想, agent现在真的会自己去浏览网页、下单、填表了, 网站主总得有个渠道说话吧. 重点不在这里, 重点在这个信号说明agent已经成了网站要认真对待的访客. 以前流量是人, 现在流量里混着agent. 可是这就有个问题啊, 纸条写了agent就一定听吗? 这玩意儿没有任何强制力吧. 完全没强制力, 就是君子协定. 所以Reddit上大家在争论的正是这个, 一派说这就是新时代的robots.txt, 另一派说纯属自我安慰. 我偏向后者一点. 你看robots.txt好歹搜索引擎厂商有共识去遵守, agent这边厂商太多太散, 谁来保证? 但你再想想, 共识本来就是从无到有的. 早期robots.txt也没人理, 后来变成行业默认, 说不定agent这边也会走同一条路. 行吧, 这个我保留意见. 不过那个meow确实挺有画面感的, 像是网站主在跟机器卖萌. 那其实是种试探, 用玩笑的方式表达一个严肃诉求: 请别再乱抓了. 我觉得这波热度恰恰说明大家对agent行为边界很焦虑. 所以总结一下就是, 给agent留纸条本身技术含量不高, 但它标志着网站主开始主动跟agent谈判了, 这个姿态变化才是关键. 第二个话题, B站上有个视频讨论给AI打分这门生意, 标题挺抓人, 说29个人年入一亿美元. 这个数字我第一反应是震惊, 第二反应是合理. Benchmark现在就是AI时代的标准度量衡, 谁掌握标尺谁就掌握话语权. 但你想想, 29个人做评测, 年入一亿美元, 这生意模式是不是有点微妙? 买家是谁? 买家基本就是模型厂商和投资人. 厂商要榜单证明自己强, 投资人要榜单判断该投谁, 需求是实打实的. 可这不就矛盾了吗, 厂商既是被评测对象又是付费方, 独立性怎么保证? 这就是HN上程序员们吵得最凶的点. 一派认为只要评测方法论公开透明就没问题, 另一派说你拿谁的钱就替谁说话, 根本躲不掉. 我站后者. 你看前面那个MCP扫描器的实验, 基准分数能被一个标记污染成那样, 说明榜单的水比想象中深多了. 这个类比我给满分. 但话说回来, 没有benchmark也不行啊, 总不能让每个用户自己跑一遍评测再选模型吧. 所以问题不是要不要benchmark, 而是怎么让benchmark可信. 比如第三方审计、多榜单交叉验证这些. 对, 而且我判断未来会出现更多开源的、社区共建的评测体系, 商业榜单的可信度会被持续挑战. 这是我比较确定的判断. 不过那个Gemini 4 Argon的更新视频互动分也挺高, 五百多, 看来大家还是更关心模型本身. 这很正常, 模型更新是直接能用的东西, 评测生意是背后的基础设施, 热度天然不一样. 但基础设施决定长期格局. 所以结论是, AI评测已经从学术小事变成了年入过亿的生意, 但它的独立性和MCP扫描器一样, 都需要被认真审视. 总结得挺到位. 今天这几个话题其实串成一条线: agent越来越深入真实世界, 而围绕它的信任和度量体系还没跟上. 说得好. 那今天就聊到这儿, 信息量有点大, 大家慢慢消化. 中午见!