Superlinked
3 节点1 篇4 来源
Superlinked（超级链接）推出基于MCP协议的私有文档处理方案，旨在通过其推理引擎SIE在用户自有云环境中运行开源模型，替代向大型前沿模型API发送原始敏感数据。该方案由Superlinked创始ML开发者关系工程师Filip Makraduli于2026年10月演示，核心在于将OCR、脱敏等重计算任务移至本地集群，仅返回精简后的Markdown工件给AI代理，从而降低约85%的Token成本并保护隐私。然而，Makraduli指出该方案的隐私边界仍存疑：若AI代理在调用工具前直接读取原始文件，预处理步骤将被绕过。目前该方案依赖严格的传输规则确保字节不经过模型上下文，团队正评估访问控制的有效性。
事情怎么走到这一步
Superlinked发布博客《How to serve private document tools to any LLM with the SIE MCP server》，详细介绍如何通过MCP协议暴露文档工具，并在自有集群上运行开源模型以处理敏感文档。
superlinked.com ↗Superlinked工程师Filip Makraduli发布视频《Turning My Obsidian Vault Into a Local AI Engineer》，演示如何利用Obsidian和Claude Code结合SIE MCP服务器，在本地处理NDA等敏感文档并进行脱敏。
youtube.com ↗Disconfirm收录该新闻，确认Superlinked通过MCP集成和小型开源模型减少向大型模型发送原始敏感数据的成本与风险，同时指出隐私边界有效性仍需测试。
aietalks.com ↗
还没定论的部分
- 如何从技术层面强制阻止AI代理在调用MCP工具前直接读取原始文件，以确保隐私边界不被绕过？
- SIE集群在处理复杂文档时的端到端延迟与成本效益比，是否能在大规模生产环境中稳定优于直接使用前沿模型API？
- Superlinked提到的基于任务、成本和模型热度的未来路由功能，何时能正式落地并影响现有工作流的性能表现？