AI 之间进行加密对话，原本科幻电影中才有的情节，如今成为了现实。Gibber-MCP是一种让 AI 模型之间安全交流的技术，本质上就是 AI 世界的端到端加密通讯工具。它通过Stanford JavaScript 加密库 (SJCL) 实现了密钥生成、共享密钥创建以及消息加密解密功能，使得 AI 间可以像我们使用具有加密功能的聊天工具一样进行私密对话。
当两个 AI 需要安全沟通时，它们会先交换公钥(保留各自的私钥)，然后创建只有双方知道的共享密钥。之后，所有信息都通过这把 "共同密码" 加密发送，确保即使有第三方截获也无法理解内容。
这项技术使用 P-256 密钥对和 AES-CCM 加密算法，为 AI 间通信提供强大的安全保障，解决了 AI 领域的身份验证和通信保密问题。对于需要保护敏感信息的 AI 应用场景，Gibber-MCP提供了一个简单而有效的解决方案。
而且，通过这项技术，即便在没有网络的环境下也能通过声音传递私密信息。
Gibber-MCP 项目地址：https://github.com/anton10xr/gibber-mcp
TypeSafe AI 推出系统一模型 Jev，作为智能体概率决策闸门，仅返回带校准概率的结构化结果而不生成文本。该模型具备低成本、低延迟及零输出错误率特性，支持 Choice、Score、Noul 三种提问原语。文章详解了其 API 调用、SDK 集成及推测式并行、置信度路由等五种落地模式，并指出其本质是强类型函数调用而非廉价 LLM。建议在生产环境中锁定版本、规避算术任务，并通过影子模式实测校准效果。
Anthropic 开源 knowledge-work-plugins 项目，提供 111 个无代码智能体技能包。该体系基于 Markdown 和 JSON 构建标准化模块，支持渐进式披露与 MCP 工具集成，标志提示词工程向软件工程化转型。内置 marketing 与 productivity 等插件展示了结构化输入及分层记忆范式，支持语义路由与轻量化定制。尽管存在多插件上下文竞争及云端连接器限制内网访问等问题，仍为智能体工作流提供了可复用的模块化规范。
安全团队 AIR 披露高危漏洞 Plugin4Shell，影响 Claude Code、Codex 等四大主流 AI 编程智能体。该漏洞利用 Git 分支命名解析歧义绕过 SHA 固定机制，使攻击者可通过插件后台自动更新实现零点击远程代码执行。这是 AI 智能体生态首个分发层供应链漏洞，打破了传统安全审阅的信任假设。目前 Anthropic 和 OpenAI 已修复，Google 建议迁移，Microsoft 尚未发布补丁。开发者需在客户端增加 HEAD 哈希校验以防范风险。
围绕《Gibber-MCP 技术 实现 AI 间的加密对话》展开交流，未登录用户可浏览评论，登录后可参与讨论。
