[Разбор]
[Разбор] Доверие к агенту не живёт в промпте: human approval для destructive MCP tools Одноразовый пропуск, кнопка «да» в интерфейсе или строка в промпте: что реально держит агента от удаления файла? Соло на Cursor с самописным MCP без обёртки опасный вызов всплывает в логе раньше, чем вы его остановите. Необратимое вешайте на согласие человека в UI клиента, не на пропуск, который модель может прогнать дважды подряд. В разборе три режима, показ без эффектов и пробы обхода: у вашего MCP-клиента кнопка «да» или автопилот?
7 просмотров