MCP企业授权——Agent协议拿到企业入场券
22

6 月

MCP 企业授权稳定版发布：Agent 协议终于拿到了企业入场券

6 月 18 日，MCP Enterprise-Managed Authorization 扩展正式宣布稳定。同一天，7 月 28 日的史上最大协议更新进入倒计时 40 天。对任何正在认真考虑在生产环境中使用 AI Agent 的团队来说，这是两个「不能再忽视」的信号。

MCP（Model Context Protocol）在过去 18 个月里的增长曲线堪称疯狂——474 个带标签的仓库、前 30 个 repo 总计 28 万颗星、Anthropic、Microsoft、Google、OpenAI 全线支持。但它一直缺一样东西：让企业 IT 管理员放心批准的权限控制机制。6 月 18 日，这个问题被正式解决了。

EMA：一次登录，所有 MCP 服务器免确认

Enterprise-Managed Authorization（EMA）的核心理念很简单：企业的身份提供商（IdP）说了算。

传统 MCP 授权流程是：你每次连接一个新的 MCP 服务器，都要走一遍 OAuth 弹窗确认。如果你的团队用了 10 个 MCP 服务器，就需要 10 次确认。EMA 把这个流程颠倒了过来：企业 IT 管理员在 IdP（首发的 Okta）中预先授权哪些 MCP 服务器对用户可用，用户只需要登录一次企业账号，每次连接到已授权的 MCP 服务器时，IdP 自动签发短期、有范围的访问令牌——用户完全看不到 OAuth 弹窗。

这套机制的底层是 ID-JAG（Identity Assertion JWT Authorization Grant），一个正在 IETF 标准化过程中的 OAuth 扩展。Okta 的品牌化实现叫 Cross App Access（XAA）。因为是开放标准，任何 IdP 理论上都可以实现。

谁已经支持了？

客户端侧：Anthropic（Claude、Claude Code、Cowork 全部覆盖）、Microsoft（VS Code 原生支持）。

服务器侧（首批）：Asana、Atlassian、Canva、Figma、Granola、Linear、Supabase——Slack 正在积极接入。

身份提供商侧：Okta 首发。Okta 身份标准总监 Aaron Parecki 说得很直接：通过将 Cross App Access 协议嵌入 MCP 作为 EMA 扩展，身份变成了中心化的治理平面——安全团队获得严格的合规控制，用户获得无缝体验。

从安全角度看：集中审计、快速撤销、范围控制——这就是 MCP 从「开发者工具」到「企业基础设施」的最后一块拼图。

40 天倒计时：7 月 28 日的 MCP 协议大更新会改变什么？

EMA 的稳定只是冰山一角。7 月 28 日，MCP 将发布其史上最大的协议更新——2026-07-28 版本。

最大的变化：协议变无状态了。当前 MCP 是会话驱动的：客户端先 initialize 握手，建立 Mcp-Session-Id，然后整个对话在这条会话上跑。7 月 28 日后，这一切都会消失。每个请求都是独立的，负载均衡器可以把它路由到任何服务器实例。

其他关键变化：

  • MCP Apps：服务器可以返回交互式 HTML 界面，客户端在沙箱 iframe 中渲染。工具不再只能返回文本或结构化数据——可以返回表单、图表、任何界面。
  • Tasks 扩展：服务器可以用 tasks/get、tasks/update、tasks/cancel 驱动长时间运行的任务，不再需要持久会话。
  • 授权收紧：与标准 OAuth 2.0 和 OpenID Connect 部署更紧密对齐。
  • 正式弃用策略：特性必须先标记为弃用至少 12 个月才能被移除。MCP 现在像基础设施一样做出向后兼容的承诺。

如果你维护着 MCP 服务器，现在就该开始迁移了。Python SDK v 2.0.0 a 1 已于 6 月 11 日发布，beta 目标 6 月 30 日，稳定版 v 2 目标 7 月 27 日。

FAQ

Q: 我是个人开发者，EMA 对我有什么影响？

直接影响不大——EMA 是为企业环境设计的。但间接影响很大：EMA 稳定意味着更多企业会批准 MCP 的部署，更多 SaaS 产品会提供 MCP 服务器，你作为个人开发者面对的 MCP 生态会更丰富。

Q: 7 月 28 日的协议更新会破坏现有的 MCP 集成吗？

会有 breaking changes。但一旦迁移完成，新协议更简单、更可扩展。现在就应该开始在分支中测试。

Q: MCP 和 Google 新推的 ARD 是什么关系？

ARD 是互补层——帮助 Agent 发现有什么工具可用，MCP 负责连接和调用这些工具。再加上 A 2 A 协议，企业 AI 协议栈正在形成三个清晰的层次：ARD 发现 → A 2 A Agent 间协作 → MCP 工具调用。

参考来源：

📎 相关阅读

分享这篇文章

作者

评论 (2)

评论被关闭。

RELATED

Posts

marketingskills cover 1 1
9 7 月

Marketing Skills — 37K 星 AI Agent 营销技能库：CRO、SEO、文案、增长工程一站式 Agent 工具包

一句话结论：Marketing Skills 是 Corey Haines 构建的一个开源 AI Agent 营销技能库，已在 GitHub 获得 37,000+ Stars。它包含 36 个结构化营销技能，覆盖转化率优化（CRO）、文案写作、SEO 审计、数据分析、增长工程等领域，让 AI 编码 Agent 变身专业营销顾问。 项目介绍 Marketing Skills 是一个遵循 Agent Skills 规范 的技能集合。每个技能是一个 Markdown 文件，给 AI Agent 注入特定营销任务的专业知识和结构化工作流。当你在项目中添加这些技能后，Agent 能识别你正在做营销任务，自动应用正确的框架和最佳实践。 作者 Corey Haines 是 Conversion Factory 和...

By

没有评论 Read More
ai job search cover 1 1
9 7 月

AI Job Search — 7K 星 Claude Code 求职框架：让 AI Agent 帮你投简历、写求职信、模拟面试

一句话结论：AI Job Search 是一个基于 Claude Code 的 AI 求职框架，在 GitHub 上已获得 7,000+ Stars。它把 Claude Code 变成一个全能求职助手：自动评估岗位匹配度、定制简历、写 Cover Letter、准备面试。TypeScript 开发，MIT 开源。 项目介绍 AI Job Search 由丹麦开发者 Mads Lorentzen 创建，核心思路是：把求职变成一个结构化的、AI 可执行的流水线。你只需填写个人资料（CV、技能、经历），Claude Code 会自动完成后续所有步骤。 核心工作流（自我画像→岗位匹配评估→起草-审查申请流水线）是语言和国家无关的。内置的丹麦求职门户技能（Jobindex、Jobnet 等）可以替换为你当地的求职网站。项目还提供了 /add-portal 命令自动生成新求职门户的搜索技能。 核心功能 自我画像：填写 CV、技能、工作偏好后，Agent 自动建立你的职业画像 岗位匹配评估：Agent 分析岗位描述，评估匹配度，给出申请建议 简历定制：根据目标岗位自动调整简历重点和关键词 Cover Letter 生成：起草-审查双 Agent 流水线，确保质量 面试准备：基于岗位描述生成常见问题和回答建议 LinkedIn 全球搜索：通过公开...

By

没有评论 Read More
agent skills cover 1 1
9 7 月

Agent Skills — Addy Osmani 开源的 AI 编码 Agent 24 技能包：从 Spec 到 Ship 全生命周期工程规范

一句话结论：Agent Skills 是 Google Chrome 工程总监 Addy Osmani 开源的生产级 AI 编码 Agent 技能包，24 个技能覆盖 Define→Plan→Build→Verify→Review→Ship 完整开发周期。支持 Claude Code、Cursor、Codex、Copilot 等 70+ 工具。将 Google 工程文化的最佳实践编码为 Agent 可执行的结构化工作流。 项目介绍 AI 编码 Agent 默认走最短路径——跳过 Spec、跳过测试、跳过安全审查。Agent Skills 给 Agent 注入了资深工程师的工程纪律：什么时候写 Spec、测试什么、怎么审查、什么时候上线。这不是通用 Prompt，而是经过 Google 工程文化验证的、结构化的、有明确验证标准的工程工作流。 每个技能包含：流程步骤、验证检查点、反借口表（阻止 Agent 跳过步骤）、红线标记。设计理念来自

By

没有评论 Read More
12 factor agents cover 1 1
9 7 月

12-Factor Agents — 构建生产级 LLM 应用的 12 条原则：从原型到可靠产品的工程方法论

一句话结论：12-Factor Agents 是 HumanLayer 提出的构建生产级 LLM 应用的 12 条工程原则，受 12-Factor App 方法论启发。它回答了一个核心问题：什么原则能让我们构建的 LLM 应用真正达到可以交付给生产客户的质量标准？ 项目介绍 作者 Dexter 在构建 AI Agent 产品时发现一个普遍问题：大多数 Agent 项目能达到 70-80% 的质量，但突破 80% 进入生产级别需要深入了解框架内部。他提炼了 12 条原则，帮助开发者从一开始就用正确的方式构建可靠的 LLM 应用。 核心洞察：即使 LLM 持续指数级增长，依然存在核心工程技巧让 LLM 应用更可靠、更可扩展、更易维护。最关键的是——你不需要全盘重写来采用 Agent 架构，可以逐步将 Agent 的模块化概念融入现有产品。 12 条原则 自然语言优先 — 用自然语言定义...

By

没有评论 Read More
chatwoot cover 1 1
9 7 月

Chatwoot — 30K 星开源客服平台：自托管替代 Intercom/Zendesk，支持全渠道 + AI Agent

一句话结论：Chatwoot 是 GitHub 上 30,000+ Stars 的开源客服平台，自托管替代 Intercom 和 Zendesk。支持网站实时聊天、邮件、WhatsApp、Facebook 等全渠道收件箱，内置 AI 助手和知识库。Ruby on Rails 开发，数据完全私有。 项目介绍 Chatwoot 是现代开源客服支持平台，为需要完全控制客户数据的企业设计。它将所有客户对话集中到一个强大的收件箱，无论客户从哪里联系你。支持 网站实时聊天、邮件、Facebook、Instagram、Twitter、WhatsApp、Telegram、Line、SMS 等渠道。 核心优势：完全自托管，数据归你所有。适合有合规要求（GDPR、HIPAA）或不想把客户数据交给第三方 SaaS 的企业。 核心功能 全渠道收件箱：网站、邮件、社交、即时通讯，一个界面管理所有对话 AI 助手：自动回复、意图识别、情感分析、对话摘要 知识库：内置帮助中心，支持多语言 联系人管理：客户画像、交互历史、自定义字段 团队协作：对话分配、内部备注、预设回复（Canned Responses） 自动化：基于规则的自动分配、标签、触发器 API 和 Webhook：完整 REST API，支持自定义集成 移动端：React Native 构建的 iOS/Android App 安装方式 # Docker 一键部署（推荐） docker run -p 3000:3000 chatwoot/chatwoot # 手动安装（Ubuntu） git clone https://github.com/chatwoot/chatwoot.git cd...

By

没有评论 Read More
microsoft ai agents cover 1 1
9 7 月

AI Agents for Beginners — 微软官方 AI Agent 入门课程：10 节课从概念到代码

一句话结论：AI Agents for Beginners 是微软官方的 10 节 AI Agent 入门课程，使用 Microsoft Agent Framework (MAF) 和 Azure AI Foundry，从概念到代码带你构建第一个 AI Agent。支持中文等多语言，免费开源。 项目介绍 这是微软官方出品的 AI Agent 入门课程，在 GitHub 上开源。每节课包含 视频讲解 + 文字教程 + Python 代码示例 (Jupyter Notebook)，使用 Microsoft Agent Framework 和 Azure AI Foundry...

By

没有评论 Read More
claude seo cover 1 1
9 7 月

Claude SEO — 11K 星 Claude Code SEO 插件：25 子技能 + 18 专业 Agent 并行审计

一句话结论：Claude SEO 是一个开源的 Claude Code SEO 分析插件，已在 GitHub 获得 11,000+ Stars。它拥有 25 个子技能和 18 个专业 Agent，可并行执行技术 SEO、E-E-A-T 评分、Schema.org 标记、GEO/AEO（AI 搜索优化）、本地 SEO、电商 SEO、国际 SEO 等全方位审计。MIT 开源，完全离线可用。 项目介绍 Claude SEO 由 Daniel Agrici 开发，是目前功能最全面的开源 SEO 分析工具。它遵循 Google 官方 AI 优化指南 和 2025 年...

By

没有评论 Read More
pixelle video cover 1 1
9 7 月

Pixelle-Video — 开源 AI 全自动短视频引擎：输入主题，3 分钟出视频

一句话结论：Pixelle-Video 是一个开源的 AI 全自动短视频生成引擎，输入一个主题即可自动完成脚本撰写、AI 配图、语音合成、背景音乐和一键合成视频。支持多种 AI 模型和 TTS 方案，完全免费方案仅需本地 Ollama + ComfyUI。中文友好。 项目介绍 Pixelle-Video 由 ATH-MaaS 团队开发，是一个"输入主题，3 分钟出视频"的全自动 AI 短视频引擎。不需要视频编辑经验，不需要复杂配置。基于 ComfyUI 架构，支持预设工作流和自定义能力扩展。 核心功能 全自动生成：输入主题 → 自动出完整视频 AI 智能文案：基于主题自动生成解说词 AI 配图/视频：每句解说词配精美 AI 插图 AI 语音合成：支持 Edge-TTS、Index-TTS 等主流方案 背景音乐：自动添加 BGM 增强氛围 多种视觉风格：多个模板打造独特视频风格 灵活尺寸：支持竖屏、横屏等多种视频尺寸 多 AI 模型：GPT、千问、DeepSeek、Ollama 等 成本方案 方案配置成本完全免费Ollama (本地) + 本地 ComfyUI$0推荐方案千问 LLM +...

By

没有评论 Read More
musclewiki cover 1 1
9 7 月

MuscleWiki — 2000+ 动作交互式健身库：点击肌肉，秒查训练动作

一句话结论：MuscleWiki 是一个免费的交互式健身动作库，收录 2,000+ 个动作和 7,500+ 个视频演示。通过交互式肌肉地图，点击任意肌肉即可看到针对训练动作。提供免费 API，适合健身 App 开发者集成。 项目介绍 MuscleWiki 以独特的交互式肌肉地图为核心体验。人体模型上标注了 45 个肌肉群，点击任意肌肉即可显示该部位的针对性训练动作，每个动作都配有视频演示和分步文字说明。是目前互联网上最直观的健身动作查询工具。 核心功能 交互式肌肉地图：45 个肌肉群可视化标注，点击即查 2,000+ 动作库：覆盖全身所有肌群 7,500+ 视频演示：专业动作教学视频 分步文字指南：每个动作的详细执行说明 免费 API：供开发者集成到健身 App 中 移动端适配：响应式设计，手机浏览器完美体验 API 使用 # 获取所有动作 curl https://api.musclewiki.com/v1/exercises # 按肌肉群筛选 curl https://api.musclewiki.com/v1/exercises?muscle=biceps # 完整 API 文档见 # https://api.musclewiki.com/documentation 适用场景 健身 App：嵌入动作教学视频和文字指南 个人训练：查询不熟悉的动作正确做法 教练教学：快速展示动作给学生看 内容创作：健身文章和视频的参考资料 FAQ MuscleWiki 免费吗？ 网站完全免费。API 有免费层，适合个人项目和中小型应用。商业大规模使用需查看 API 定价。 和 YouTube 健身视频有什么区别？ MuscleWiki 的独特优势是按肌肉定位。你不知道动作名字，但你">>知道想练哪个部位——点击肌肉就能找到所有针对该部位的动作。 相关链接 MuscleWiki 官网 MuscleWiki API Exercises...

By

没有评论 Read More
exercises dataset cover 1 1
9 7 月

Exercises Dataset — 433 个健身动作开源数据集：为你的健身 App 和 AI 模型提供结构化数据

Exercises Dataset 提供 433 个健身动作的结构化数据，并整合 MuscleWiki 动作演示与 DAREBEE 免费训练计划，适合健身 App、AI 模型和个人训练参考。

By

没有评论 Read More