Secure Agentic MCP

MCPAI代理

提供方 alialoha

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个基于MCP协议和HTTP的可控代理工具框架,提供权限管理、工具调用和审计功能,适用于AI工具链开发和安全敏感场景。

一句话选型结论

按资料字段整理

Secure Agentic MCP 属于AI代理类 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AI代理 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 未标注 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

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注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

权限管理Python本地部署工具调用审计日志AI工具链安全框架

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 -m venv .venv

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

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

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
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

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

  • 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。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理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
Secure Agentic MCP当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
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alialoha上游标注的维护方 alialoha
分类AI代理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

6.9 KB
来自项目仓库与上游目录的原文,未做删改

安全代理工具(MCP、HTTP)

通过流式HTTP管理MCP --不是一个薄薄的聊天机器人包装。此项目连接了a FastMCP 服务器,a 权限感知客户端 (allow / ask / deny +审计),以及a 工具调用LLM主机 (操作员 格拉迪奥 +烧瓶 演示/直播;模型是可插拔的)。

作者 阿里·穆萨维 · 存储库: github/alialoha/secure-agentic-mcp

建筑(一览)```mermaid

flowchart LR
subgraph srv["MCP server"]
T["Tools"]
R["Resources"]
P["Prompts"]
end
C["Permission client (Operator / Flask Live)"]
L["LLM host\n(tool-calling)"]
srv <-->|"Streamable HTTP (MCP)"| C
C <-->|"LLM API (tools)"| L


- **服务器** --MCP **服务器** 角色:工具、资源、提示;工作空间+服务器端审计。
- **中间** --MCP **客户端** (可将HTTP流式传输到服务器)加 **应用程序策略**: `permissions.json` 和 `audit.log` 以客户为中心生活;Operator/Flask是嵌入此堆栈的UI。
- **LLM** — **工具调用** 超过一个 **API有限责任公司** (非MCP运输);具体模型是一种部署选择。该模型提出了工具; **策略在客户端中运行** 在呼叫到达MCP服务器之前。

## 截图

供审阅者使用的代表性UI捕获(如果您更喜欢像素完美的保真度而不是本地运行,请替换为您自己的UI捕获)。

## 布局

所有Python包都位于 **`src/`** 只有。(不要添加 `mcp_client`, `mcp_server`,或 `operator` 在repo根目录下,这些是零散的空文件夹,已被删除。)

- `src/mcp_server` --合并了工作区+治理工具、审计日志、资源、提示;服务 **`/mcp`** 通过可流式传输的HTTP。
- `src/mcp_client` --可流式传输的HTTP客户端+ `data/permissions.json` 策略+客户端审计日志。
- `src/agent` --LLM工具调用主机(兼容OpenAI:OpenAI、Groq、Cerebras、自定义 `OPENAI_BASE_URL`;由运营商和Flask Live共享)。
- `src/mcp_operator` --Gradio:AI聊天、工具/资源/提示检查、权限编辑器。
- `src/web` --Flask用户应用程序: **演示** (离线)或 **生活** (LLM+MCP)。
- `data/` — `permissions.json`, `workspace/`,生成 `audit.log`.

### 存储库树```
secure-agentic-mcp/
├── README.md
├── docs/
│   ├── operator.png
│   └── flask.png
├── requirements.txt
├── docker-compose.yml
├── Dockerfile.server
├── Dockerfile.operator
├── Dockerfile.web
├── .env.example
├── .gitignore
├── pytest.ini
├── data/
│   ├── permissions.json
│   └── workspace/
│       └── README.md
└── src/
├── agent/
│   ├── __init__.py
│   ├── llm_client.py
│   └── mcp_llm_host.py
├── mcp_client/
│   ├── __init__.py
│   └── http_permission_client.py
├── mcp_operator/
│   ├── __init__.py
│   └── gradio_app.py
├── mcp_server/
│   ├── __init__.py
│   ├── __main__.py
│   └── server.py
└── web/
├── __init__.py
├── app.py
├── demo.py
├── branding.py
├── static/
│   ├── architecture.svg
│   ├── script.js
│   └── styles.css
└── templates/
└── index.html
└── tests/
├── test_agent.py
├── test_demo.py
├── test_flask.py
├── test_imports.py
└── test_permission_client.py

仅限本地(非git): .env, .venv/, data/audit.log, .pytest_cache/.

快速启动(本地)```bash

cd secure-agentic-mcp
python -m venv .venv
.venv\Scripts\activate # Windows
pip install -r requirements.txt
copy .env.example .env # add LLM credentials (OpenAI, Groq, Cerebras, or custom URL — see comments)


终端1-MCP服务器:```bash
set PYTHONPATH=src
set MCP_DATA_DIR=%CD%\data
python -m mcp_server

2号航站楼——操作员(Gradio):```bash
set PYTHONPATH=src
set MCP_SERVER_URL=http://127.0.0.1:8000
set MCP_DATA_DIR=%CD%\data
python -m mcp_operator.gradio_app


终端3——用户Flask应用程序:```bash
set PYTHONPATH=src
set MCP_SERVER_URL=http://127.0.0.1:8000
set MCP_DATA_DIR=%CD%\data
python -m web.app
  • MCP: http://127.0.0.1:8000/mcp
  • 操作员: http://127.0.0.1:7860
  • 用户界面: http://127.0.0.1:5000

Windows:编号脚本(步骤相同,每个应用程序一个终端)

从repo根目录: .\scripts\00-print-env.ps1 (仅预览),然后 01-mcp-server.ps1, 02-operator.ps1, 03-web.ps1。参见 scripts\RUN-ORDER.txt 以及每个顶部的评论 .ps1 文件。

码头工人```bash

copy .env.example .env
docker compose up --build


地图:MCP `8000`,操作员 `7860`,网络 `5000`。在中设置LLM凭据 `.env` (默认值 `LLM_PROVIDER=openai` + `OPENAI_API_KEY`,或 `groq` / `cerebras` / `custom` --看 `.env.example` 和 免费llm api).

## 环境

看 `.env.example`重要提示: `MCP_SERVER_URL` (必须与Docker服务匹配 `http://mcp:8000` 内部作曲), `MCP_DATA_DIR`,以及 `LLM_PROVIDER` 使用匹配的密钥(`OPENAI_API_KEY`, `GROQ_API_KEY`, `CEREBRAS_API_KEY`,或 `OPENAI_BASE_URL` + `OPENAI_API_KEY` 定制)。免费等级设置想法: 免费llm api.

## 故障排除

**`list_files` / `read_file` 不匹配 `data/workspace/` 在磁盘上**

仅 **一** 进程应该监听您在中设置的URL `MCP_SERVER_URL` (默认值 `http://127.0.0.1:8000`).如果另一台MCP服务器(例如另一个项目)首先占用了该端口,Gradio/Flask将与 **那** 服务器的工作区,而不是此仓库的 `data/workspace/`.

- 停止其他MCP服务器,或设置 **`MCP_HTTP_PORT`** / **`MCP_SERVER_URL`** 因此它们不共享端口(例如。 `8010` 和 `http://127.0.0.1:8010`).
- 开始 **`python -m mcp_server`**,检查控制台:它会打印 **`MCP_DATA_DIR`** 和 **`Workspace`** 绝对路径 **这** 回购。它们必须与您查找文件的位置相匹配。

**背景终端(光标)**

使用 **View → 终端** (或 `` Ctrl+` ``).每个选项卡都是一个shell;长时间运行的服务器在那里运行。在Windows上, `netstat -ano | findstr :8000` 显示哪个 **比例-积分-微分** 拥有一个港口。

## 测试

自动化测试使用 **pytest** (`pytest.ini` 套 `pythonpath = src`).他们确实如此 **不** 启动MCP HTTP服务器或调用外部API。```bash
pip install -r requirements.txt
pytest -v
步骤 它检查什么
进口 mcp_server, mcp_client, agent, mcp_operator, web 负载
demo_reply 离线演示字符串
权限客户端 加载/保存JSON策略, check_permission,默认值
risk_levels_map 所有预期的工具名称都存在
llm_client 提供商默认值, resolved_llm_model, live_llm_configured
烧瓶 GET /, POST /generate 演示模式,验证错误

对于手动端到端检查,请从以下位置运行三个流程 快速启动(本地) 并在浏览器中练习操作员+实时模式。

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
Secure Agentic MCP 怎么安装?

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

Secure Agentic MCP 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。

Secure Agentic MCP 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。

Secure Agentic MCP 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。

Secure Agentic MCP 能提供哪些能力?

资料显示能力标签包括 权限管理、Python、审计日志、AI代理。具体工具清单以官方文档为准。

Secure Agentic MCP 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。

Secure Agentic MCP 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。