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。
