AI MCP cloud platforms

MCP安全风控

提供方 jasonbgarland

安全风控 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个通过自然语言交互实现多云资源管理的模型上下文协议(MCP)服务器,支持权限审计、开发人员入职和安全调查等功能。

一句话选型结论

按资料字段整理

AI MCP cloud platforms 属于安全风控类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类安全风控 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 6 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

安全风控
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量6暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

多云管理Python本地部署自然语言交互权限审计IT运维自动化安全合规

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
python demo_prompts.py

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 6 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
资产与漏洞排查

盘点资产、扫漏洞、看暴露面。

日志与审计

汇总日志、查异常行为。

合规检查

按规则检查配置与权限是否合规。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 6 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在安全风控场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
AI MCP cloud platforms当前 6 stdio · 本地进程 本地部署 有 2026-05-17
Cyber Strike AI 75 未标注 未标注 无 2026-05-17
mcp-for-beginners 未标注 stdio · 本地进程 本地部署 有 2026-04-13
casdoor 未标注 stdio · 本地进程 本地部署 有 2026-04-12
kubeshark 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Modelcontextprotocol C22988b0 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

安全风控
字段来自项目仓库与公开索引,中文说明由本站标注
提供方jasonbgarland上游标注的维护方 jasonbgarland
分类安全风控本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

10.8 KB
来自项目仓库与上游目录的原文,未做删改

云平台MCP服务器演示

一个全面的示范 模型上下文协议(MCP)服务器 它通过智能提示和工具实现了与云资源管理的自然语言交互。

🎯 概述

该项目展示了MCP如何将复杂的云基础设施管理转化为直观、对话式的工作流程。通过将LLM客户端连接到我们的MCP服务器,用户可以使用自然语言查询执行复杂的云资源分析、安全审计和访问管理。

关键创新:用户不必编写复杂的SQL查询或API调用,只需询问: “请帮我登上爱丽丝·史密斯” 或 “审核AWS资源的所有写入权限” 并获得全面、结构化的回应。

✨ 特性

🤖 MCP服务器功能

  • 6核心工具 用于云资源管理
  • 5个预定义提示 用于常见的IT工作流程
  • 自然语言接口 通过模型上下文协议
  • 实时数据访问 通过FastAPI后端
  • 多云支持 (AWS、Azure、GCP)

🔧 后端基础设施

  • FastAPI REST API 具有完整的CRUD操作
  • PostgreSQL数据库 具有优化的模式
  • Docker编排 便于部署
  • 健康检查 监测
  • 自动数据种子 具有真实的测试数据

🛡️ 安全与合规

  • 权限审核 跨云平台
  • 准入调查 针对特定资源
  • 特权评论 识别特权账户
  • 开发人员入职培训 具有自动访问验证功能

🏗️ 建筑```

┌─────────────────────┐ ┌─────────────────────┐ ┌─────────────────────┐
│ LLM Client │◄──►│ MCP Server │◄──►│ FastAPI │
│ │ │ (Port 9001) │ │ (Port 8000) │
│ • Natural Language │ │ • 6 Tools │ │ • CRUD Operations │
│ • Conversational UI │ │ • 5 Smart Prompts │ │ • Data Validation │
│ • Auto Tool Select │ │ • Protocol Handler │ │ • Business Logic │
└─────────────────────┘ └─────────────────────┘ └─────────────────────┘
│ │
│ │
▼ ▼
┌─────────────────────────────────────────────┐
│ PostgreSQL Database │
│ (Port 5432) │
│ • Developers Table │
│ • Cloud Resources Table │
│ • Permissions Table │
└─────────────────────────────────────────────┘


## 🚀 快速开始

### 先决条件

- Docker&Docker编写
- Python 3.11+(用于本地开发)

### 1.克隆并启动```bash
git clone
cd ai_mcp_cloud_platforms

# Start all services
docker-compose up -d

# Check service status
docker-compose ps

2.验证安装```bash

Test API

curl http://localhost:8000/developers/

Test MCP Server

curl http://localhost:9001/mcp/

Run demonstration

python demo_prompts.py


### 3.接入服务

- **API文档**: http://localhost:8000/docs
- **MCP服务器**: http://localhost:9001/mcp/
- **数据库**:本地主机:5432(itadmin/itadmin)

## 🔨 项目结构```
ai_mcp_cloud_platforms/
├── API/                           # FastAPI Backend
│   ├── main.py                   # API entry point
│   ├── models.py                 # SQLAlchemy models
│   ├── database/
│   │   ├── init_db.sql          # Database schema
│   │   └── connection.py        # DB connection
│   ├── routes/                   # API endpoints
│   │   ├── developers.py        # Developer CRUD
│   │   ├── cloud_resources.py   # Resource CRUD
│   │   └── permissions.py       # Permission CRUD
│   └── Dockerfile               # API container
│
├── MCP_SERVER/                   # MCP Server
│   ├── main.py                  # MCP entry point
│   ├── tools.py                 # 6 MCP tools
│   ├── prompts.py               # 5 predefined prompts
│   └── Dockerfile               # MCP container
│
├── seed_data/                    # Database seeding
│   └── seed_api.py              # Test data generation
│
├── docker-compose.yml            # Service orchestration
├── demo_prompts.py              # Demonstration script
├── MCP_PROMPTS_GUIDE.md         # Prompt documentation
├── PROJECT_SUMMARY.md           # Technical deep dive
└── README.md                    # This file

🛠️ MCP服务器详细信息

可用工具

工具 目的 示例使用
list_developers 获取所有开发人员 用户管理
list_cloud_resources 获取资源(可过滤) 资源清单
lookup_resources_for_developer 用户访问权限 登机验证
get_resource_permissions 资源访问列表 安全调查
hello 简单问候 连接测试
test_simple 基本功能 健康检查

智能提示

提示 场景 业务价值
developer_onboarding 新员工设置 简化访问验证
security_audit_write_access 合规审查 风险评估
resource_access_investigation 事件响应 快速访问查找
cloud_footprint_analysis 迁移规划 成本优化
high_privilege_review 安全审计 权限管理

🎮 如何互动

通过API(直接)```bash

Get all developers

curl http://localhost:8000/developers/

Get permissions for developer ID 1

curl http://localhost:8000/permissions/by-developer/1

Get who can access resource ID 1

curl http://localhost:8000/permissions/by-resource/1


### 通过MCP(自然语言)

使用兼容MCP的LLM客户端:```
User: "Help me onboard developer Alice Smith"
LLM: Uses developer_onboarding prompt → Shows Alice's resources across clouds

User: "Who has write access to AWS resources?"
LLM: Uses security_audit_write_access prompt → Lists write permissions

User: "Investigate access to the AWS S3 Bucket"
LLM: Uses resource_access_investigation prompt → Shows detailed access

通过演示脚本```bash

python demo_prompts.py


这将使用真实数据运行所有5个提示,并准确显示LLM将看到的内容。

## 📊 样品数据

该系统预装了真实的测试数据:

### 开发者(5)

- 爱丽丝·史密斯、鲍勃·琼斯、卡罗尔·李、大卫·金、伊娃·布朗

### 云资源(15)

- **亚马逊云服务**:S3存储桶、EC2实例、RDS数据库、Lambda函数、DynamoDB表
- **Azure**:VM、Blob存储、SQL数据库、应用服务、Cosmos DB
- **谷歌云平台**:BigQuery、计算引擎、云存储、云SQL、发布/订阅

### 权限(55)

- READ、WRITE和RW权限的真实分布
- 多云访问模式
- 每个开发人员的权限级别不同

## 🔧 发展

### 地方发展设置```bash
# Install dependencies
pip install fastapi uvicorn sqlalchemy psycopg2-binary
pip install fastmcp

# Start PostgreSQL (via Docker)
docker-compose up demo-db -d

# Run API locally
cd API && python -m uvicorn main:app --reload --port 8000

# Run MCP Server locally
cd MCP_SERVER && python main.py

添加新工具

  1. 在中定义工具功能 MCP_SERVER/tools.py
  2. 添加 @mcp.tool() 装饰器
  3. 注册 main.py
  4. 使用演示脚本进行测试

添加新提示

  1. 在中创建提示功能 MCP_SERVER/prompts.py
  2. 添加 @mcp.prompt() 装饰器
  3. 注册 main.py
  4. 文档在 MCP_PROMPTS_GUIDE.md

🐳 Docker服务

服务 目的 端口 健康检查
demo-db PostgreSQL数据库 5432 pg_isready
demo-db-setup 架构初始化 - 一次
demo-db-seed 测试数据加载 - 一次
demo-api FastAPI后端 8000 HTTP /
demo-mcp-server MCP服务器 9001 HTTP /mcp/

环境变量```env

POSTGRES_USER=itadmin
POSTGRES_PASSWORD=itadmin
POSTGRES_DB=demo_db
POSTGRES_HOST=demo-db
POSTGRES_PORT=5432
API_BASE_URL=http://demo-api:8000


## 🧪 测试

### API测试```bash
# Health check
curl http://localhost:8000/

# Get all developers
curl http://localhost:8000/developers/ | jq

# Test filtering
curl http://localhost:8000/cloud_resources/?cloud_type=AWS | jq

MCP测试```bash

Run full demonstration

python demo_prompts.py

Test specific scenarios

python -c "
import requests
print(requests.get('http://localhost:8000/permissions/by-developer/1').json())
"
```

🎯 用例

1. IT运营

  • 自动化开发人员入职流程
  • 生成访问报告以确保合规性
  • 快速调查安全事件
  • 通过访问分析规划云迁移

2. 安全团队

  • 跨云平台审核权限
  • 识别特权账户
  • 跟踪资源访问模式
  • 生成合规报告

3. DevOps团队

  • 在部署过程中验证开发人员的访问权限
  • 分析云资源利用率
  • 集中管理多云权限
  • 简化访问审查

🚀 扩展项目

潜在增强功能

  • 成本跟踪:将云成本数据添加到资源中
  • 基于时间的访问:实施临时权限
  • 审批工作流:添加权限请求/批准
  • 警报系统:通知异常访问模式
  • 多用户:支持多个组织
  • 资源标记:添加元数据和分类

整合思路

  • LDAP/Active Directory:与企业标识同步
  • 云提供商API:实时资源发现
  • 松弛/团队:基于聊天的访问请求
  • 监视工具:与DataDog、New Relic集成
  • CI/CD管道:自动访问验证

📚 文档

  • API文档:自动生成于http://localhost:8000/docs
  • MCP提示指南:参见 MCP_PROMPTS_GUIDE.md
  • 技术深度潜水:参见 项目_ SUMMARY.md
  • 数据库模式:参见 API/database/init_db.sql

🤝 贡献

  1. 分叉存储库
  2. 创建要素分支
  3. 添加新功能的测试
  4. 更新文档
  5. 提交拉取请求

📄 许可证

该项目旨在展示MCP的能力。有关详细信息,请参阅LICENSE文件。

🙋‍♂️ 支持

有关此MCP服务器演示的问题:

  • 查看 MCP_PROMPTS_GUIDE.md 以便迅速使用
  • 检查 项目_ SUMMARY.md 了解技术细节
  • 跑 python demo_prompts.py 查看系统的运行情况

🎉 准备好见证人工智能云管理的实际应用了吗?

跑 docker-compose up -d 然后 python demo_prompts.py 体验自然语言如何将复杂的云基础设施任务转化为简单的对话!

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
AI MCP cloud platforms 怎么安装?

在客户端按下面的安装命令接入:python demo_prompts.py。装完在客户端配置里引用同一个包或端点。

AI MCP cloud platforms 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

AI MCP cloud platforms 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

AI MCP cloud platforms 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

AI MCP cloud platforms 能提供哪些能力?

资料显示约 6 个工具;能力标签包括 Python、自然语言交互、安全。具体工具清单以官方文档为准。

AI MCP cloud platforms 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

AI MCP cloud platforms 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。