MCP 工具，把 Codex 的低风险活甩给 DeepSeek 干，贵的模型只做判断。五任务测试平均省 48%，延迟 6 秒左右。 CodexSaver 一个 MCP 工具，把 Codex 编码会话中的低风险任务（写测试、写文档、代码解释、lint 修复等）委托给 DeepSeek 执行，高风险任务（架构决策、安全逻辑、生产部署、最终审查）保留在 Codex。

Tradingview MCP已经开源，支持Claude和codex。 特点： 1. 10 个 clawby_* 工具集成到tradingview里面：暗池叠加、轧空上下文、期权最大痛点、Reddit 情绪(美股)+ 加密衍生品(资金费率、未平仓、爆仓、多空比、主动买卖) 2. 补上 zod 幽灵依赖;CDP 活性改为事件驱动(去掉每次调用的探活 ping,断线自动重连);bringToFront() 让后台标签页上的绘图真正渲染出来 3. TV_TOOL_GROUPS 环境变量,只注册你用到的工具组(90 个工具 → 几组),减少灌进模型上下文的 schema 体积，更加节省token。

Vercel MCP 开始支持直接购买注册域名、套餐和额度了 用户直接通过 AI 助手就可以完成购买操作😂 也就是说 Vercel MCP 不再只是读取项目、部署和日志信息，而是开始具备真实的付费和账户变更能力 这个更新怎么样

Anthropic 发布全新的 MCP 规范：可将 MCP 服务器部署到云上 以前 MCP 服务器有个毛病：客户端得先握手拿一个会话 ID，之后每次请求都必须回到同一台机器 加机器扩容没用，serverless 也跑不了 新规范把这条规矩废了：握手和会话 ID 直接删除，每个请求自带身份信息，哪台机器都能接，挂个最普通的负载均衡器就行。 打个比方： 老 MCP 像打电话，你先拨号（initialize 握手），接线员给你一个分机号（Mcp-Session-Id），之后你每说一句话都靠这个分机号认人。想换个接线员？对不起，只有原来那位记得你刚才说了什么。 新 MCP 像寄快递，每个包裹上都贴着完整的寄件人、收件人和内容说明，谁拿到都能处理，不需要先跟谁打招呼。

深度分析Clawby Tradingview MCP 这款vibe coding 到底从哪些方面帮助了我们做交易 vibe链接： 数据接口： @openclawby 终端以及语言模型： @OpenAI 一、先说清楚：这是个什么东西 Clawby Tradingview MCP，本质上是一个 MCP 服务器。 MCP 是 Model Context Protocol 的缩写——可以理解为 AI 的"USB 接口"。以前 AI 只能聊天，有了 MCP，AI 就能读你的文件、操作你的软件、调外部 API。 这个项目做的就是：让你的 AI 助手（Claude Code / Codex 等）能直接控制你电脑上的 TradingView Desktop，并且能实时拉 Clawby 的另类数据叠加到图表上。 二、它是怎么工作的 拆开来看，技术链条是这样的： 你告诉 AI："看看 AAPL 的暗池最近有没有异动" ↓ AI 通过 MCP 连接 → Tradingview MCP Server ↓ Server 用 Chrome DevTools Protocol（CDP）连接到你的 TradingView Desktop 实例 ↓ CDP 让 AI 能 "看到" 你的图表——当前在看什么股票、什么时间周期、什么指标 ↓ AI 同时通过 Clawby API 拉取暗池数据 ↓ 数据返回后，AI 把暗池异动标注在 TradingView 图表上 ↓ "你看，AAPL 过去 3 天暗池累计出了 120 万股，高于 30 日均值 3 倍" 关键的技术点在于 Chrome DevTools Protocol（CDP）。TradingView Desktop 是 Electron 应用（本质上是一个 Chrome 浏览器窗口），CDP 就是 Chrome 暴露出来的远程控制接口。通过 CDP，AI 可以： 读取图表当前状态（什么股票、什么周期） 在图上画形状、加标注 获取屏幕截图 这就不是"AI 给你一段文字分析"那么简单了，而是 AI 直接在交易员的原生操作环境里工作。 三、Clawby 到底提供了哪些数据 这才是整个核心的重点—— 美股方向： 1. 暗池（Dark Pool） Levels：暗池里不同价位的挂单深度，能看到大机构在什么价位接盘或出货 Prints：暗池实际成交记录，谁在偷偷吸筹 为什么重要：暗池交易量现在占美股总成交的 40%+，不看暗池等于只看了一半市场 2. 做空数据 短成交量（Short Volume）：每天有多少成交是做空产生的 短利息（Short Interest）：当前未平仓的空头头寸总量 借券费率（Borrow Fee）：做空需要支付的借券成本，费率飙升通常意味着轧空临近 FTDs（Failure to Deliver）：交割失败数据，高 FTD 是挤压的燃料 3. 期权链 + Max Pain 全链路的期权数据 Max Pain：使最多期权持有者亏损的行权价——市场经常"被拉向"这个价位 结合暗池和做空数据看 Max Pain，能判断大资金在操纵什么价位 4. SEC 财务数据 不是延迟一个季度的数据，而是 API 直接拉取 EPS（每股收益）、总收入、净利润、流通股本 快速判断基本面是否支持当前价格 5. Reddit 情绪 从 Reddit 财经板块（特别是 WSB）抓取讨论热度 量化成情绪分数，辅助判断散户情绪是否极端 加密方向（数据源：Coinglass）： 资金费率（Funding Rate）：永续合约的资金费率，反映多空力量对比 未平仓合约（Open Interest）：总持仓量，判断趋势的强度 爆仓数据（Liquidations）：大额爆仓往往意味着短期反转 多空比（Long-Short Ratio）：持仓方向分布 Taker 买卖流量：主动买单 vs 主动卖单的比例 四、这个设计的巧妙之处 它没有替代 TradingView，而是增强了 TradingView。 很多人做 AI 交易工具的思路是「再造一个交易终端」——自己画 K 线、自己接数据、自己做 UI。结果做出来永远比不上 TradingView。 这个项目的做法更聪明： 复用 TradingView 的图表能力——TradingView 已经有最好的图表引擎 只用 MCP 做"附加层"——AI 只负责拉额外数据和标注 数据来源用 Clawby 聚合——自己不用对接 10 个数据源 结构上就变成了： TradingView（最佳图表）← CDP → MCP Server ← Clawby API（10+ 维度数据） ↑ AI 助手 五、实战场景推演 场景一：盘前快速扫描 你打开 TradingView，输入 AAPL → AI 自动拉 Clawby 数据 → 30 秒后告诉你： "暗池昨晚有异动，借券费率上升 20%，Max Pain 在 $240" → 你直接在图上看到这些数据点 场景二：持仓监控 你持有 TSLA → 让 AI 每隔 15 分钟自动检查：暗池流向、期权开仓变化 → 有异常时主动提醒你 → 你不用手动刷任何页面 场景三：加密合约交易 你看 BTC 的永续合约图表 → AI 拉 Coinglass 数据 → 告诉你：资金费率已经负了 8 小时，OI 在下降 → 这可能预示着多头在投降 六、为什么它代表了一个方向 去年大家聊 AI 交易，话题大多集中在「AI 能不能预测涨跌」。 今年不一样了。成熟的方向不是预测，而是聚合和翻译。 一个交易员做决策需要的信息分散在： TradingView（看 K 线） 暗池数据网站 Stocktwits/Reddit（看情绪） 期权链查询工具 做空数据面板 切换工具的成本就是注意力的损耗。这个 MCP 做的事本质上就是：把所有数据拉到同一个画面，让 AI 当你的信息助理。 七、开源和技术栈 GitHub： 技术栈：Claude（构建工具）、CDP（浏览器控制协议）、Clawby API（数据底座） 用途标签：$TOOL、#MCP# 发布时间：2026-07-24 如果你是一个交易员，看到这里我相信你应该很激动了。 如果你是一个小白，我想你也没有这些耐心看到这。 所以最后的最后 如果你对我们的clawby感兴趣，如果你想加入我们的vibe coding社区，欢迎联系我们团队。

Safari 推 MCP Server，这事对 Web 开发者很关键。 以前浏览器自动化大多靠 Playwright、Puppeteer，外部去控制页面。 现在思路变成： 让 AI 通过 MCP 直接连接浏览器窗口，拿 DOM、网络请求、截图、控制台输出，然后自己做调试、性能分析、可访问性检查。 这会改变前端开发的工作流。 以后你遇到页面 bug，可以不是截图给 AI 看。 而是让 AI 直接进浏览器： 看控制台； 看网络请求； 读 DOM； 复现操作； 给修复建议； 再验收结果。 前端工程师的下一个信息差，可能是浏览器原生 Agent 化。

接入 X 的 MCP 有一个很好的好处：虽然拉黑屏蔽功能仅限企业账户的 API 权限使用，但“隐藏推文回复”的功能是可以随便调用的。 也就是说，我现在可以让 Codex 主动把推文下所有可疑的 AI 账户回复都隐藏掉。这样一来，这些 AI 评论至少不会出现在我的账户中。其实去屏蔽它们也没用，因为这些账户经常变动，屏蔽一个，第二天又会冒出十个。 所以我打算以后统一通过 X 的 MCP 来发布推文，这样可能就不再需要限制“仅认证账户可回复”了。具体的方案是： 1. 在发布推文后的 30 分钟内，设定每隔几分钟自动检查一次； 2. 如果发现可疑的 AI 评论回复，就直接将其隐藏。 通过 Agent 来处理这些东西，比传统的软件或固定算法更有优势。Agent 会主动查看账户的 profile，如果发现内容全是引流的乱七八糟信息，它就有很高的置信度将其标记为 AI 账户。 这种方式会随着模型能力的提升不断进化，你不需要把规则写死，也不需要写什么特定的 skill，它就能自动且高效地工作。我推荐大家以后都通过 X 的 MCP 方式来发布推文，这样就不用担心 AI 水军泛滥的问题了。