Vault MCP Agents

MCP安全风控

提供方 ChrisAdkin8

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

使用HashiCorp Vault管理的5分钟TTL GCP凭证,通过短时效令牌和基于角色的访问控制来缓解代理应用中的安全威胁。

一句话选型结论

按资料字段整理

Vault MCP Agents 属于安全风控类 MCP 服务器,stdio · 本地进程,Token,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Token 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

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

安全凭证Python本地部署访问控制短时效令牌GCP集成多租户隔离

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
python3 --version

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
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

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。

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。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 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。
  • 不方便管理密钥或第三方授权的人。
  • 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
Vault MCP Agents当前 未标注 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ChrisAdkin8上游标注的维护方 ChrisAdkin8
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Token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

13.6 KB
来自项目仓库与上游目录的原文,未做删改

保管库mcp代理人

此回购演示了针对以下三种威胁的缓解措施 代理应用程序的OWASP前10名(2026) 使用HashiCorp Vault代理的5分钟TTL GCP凭据:

OWASP ID 威胁 此仓库如何减轻威胁
ASI03 身份和特权滥用 Vault代理所有凭据——人类身份验证、代理身份(AppRole)和GCP令牌都以5分钟的硬性TTL颁发。磁盘上不存在长期密钥。
ASI02 工具误用与利用 YAML策略映射每个 (human_role, agent_id) 与明确的工具搭配。MCP服务器只公开允许的工具,因此代理不能调用其范围之外的工具。
ASI10 流氓特工 短期凭据和每个代理的工具范围包含爆炸半径——受感染的代理只能到达其允许的工具,任何被盗的GCP令牌都会在几分钟内过期。

备注

尽管Vault代理的凭证是用于GCP的,但此回购所说明的原则是有效的
Azure和AWS也同样适用。

演示场景

两个LangChain代理调用单独的MCP服务器,每个服务器的功能由 组合身份 呼叫代理和经过身份验证的人类用户。GCP凭据通过HashiCorp Vault进行代理——应用程序中不存在长期服务帐户密钥。

为什么是5分钟证书?

长期使用的GCP凭据是安全事件的常见来源。一个有效期为一小时的被盗OAuth2令牌为攻击者提供了一个广泛的窗口来窃取数据或配置资源。通过将凭证租约限制在5分钟,该项目执行了以下原则 最短持续时间特权:Vault发行的每个GCP令牌在攻击者能够通过横向移动实际发现并利用它之前就会过期。

下图显示了对比。在第一种情况下,受感染的代理持有永不过期的静态凭据——攻击者有无限的时间枚举资源、泄露数据和枢轴。在第二种情况下,同样的妥协会产生一个在5分钟内到期的令牌,将一个持久的后门变成一个短暂的、有界的事件。

5分钟的上限由两个独立的层执行,因此在发行代币之前,双方必须达成一致:

层 配置 它控制什么
Vault GCP模拟帐户 ttl = "300" 在每个 vault_gcp_secret_impersonated_account 在Terraform 服务器侧天花板中——Vault将其作为 lifetime GCP的 generateAccessToken API,因此代币在5分钟后真正过期
应用程序策略 max_gcp_token_ttl: "5m" 在 policies/capabilities.yaml 客户端防护——应用程序策略声明了审计和深度防御的预期最大TTL

这个项目展示了什么

问题 如何处理
人工身份验证 Vault用户通行证(可插入LDAP/OIDC)
代理身份 每个代理的Vault AppRole
GCP证书颁发 保管GCP机密引擎→ 短期OAuth2令牌
工具级访问控制 YAML策略文件映射 (human_role, agent_id) → 允许的MCP工具
代理商↔ MCP通信 MCP stdio传输 IdentityContext 通过环境变量传递
代理框架 LangChain create_tool_calling_agent 使用改编自MCP的工具

体系结构概述

看 建筑.md 用于图表和模式描述。

快速开始

先决条件

  • Python 3.11–3.13 (3.14是 不 支持——见下文)
  • Docker(用于本地Vault)
  • 启用了API(存储、BigQuery、计算)的GCP项目
  • LLM API密钥(Anthropic或OpenAI)

检查你的Python版本```bash

python3 --version


如果输出显示3.14或更高版本,则需要显式使用早期版本。
在macOS上使用Homebrew:```bash
brew install python@3.13
python3.13 --version   # confirm it prints Python 3.13.x

> 为什么不是Python 3.14? Python 3.14改变了类型注释的方式
> 在运行时进行评估。LangChain基于Pydantic的类触发
> TypeError: 'function' object is not subscriptable 在进口期间,
> 使图书馆在3.14+上无法使用。

1.启动Vault```bash

docker compose up -d
export VAULT_ADDR=http://127.0.0.1:8200
export VAULT_TOKEN=dev-root-token


### 2.配置保险库```bash
bash scripts/setup_vault.sh

这将创建三个测试用户(alice/operator、bob/analysis、carol/viewer)并编写Vault策略。

2b。配置GCP机密引擎(Terraform)

GCP secrets引擎是通过Terraform配置的,Terraform创建GCP服务帐户,授予其必要的IAM角色,并配置Vault——磁盘上没有服务帐户密钥文件。

先决条件:

  • 地形 >= 1.5
  • gcloud CLI已通过身份验证: `gcloud auth application-default login````bash
    cd terraform
    cp terraform.tfvars.example terraform.tfvars

Edit terraform.tfvars — set gcp_project_id to your GCP project

terraform init
terraform apply


您还必须在中设置相同的GCP项目ID `config/settings.yaml` 以便MCP数据服务器可以将其传递给GCS和BigQuery客户端:```yaml
# config/settings.yaml
gcp:
project_id: "your-gcp-project-id"   # must match terraform.tfvars
region: "us-central1"

> 为什么需要这个? 数据代理使用Vault中的OAuth2访问令牌
> 而不是服务帐户密钥文件。与基于密钥的凭据不同,OAuth2
> 令牌不携带项目元数据,因此GCP客户端库无法
> 自动推断项目。项目ID在 settings.yaml 是
> 通过了 IdentityContext 每次GCS和BigQuery客户端调用。

这将创建:

  • Vault本身的GCP服务帐户(vault-gcp-secrets@.iam.gserviceaccount.com)
  • IAM绑定 serviceAccountAdmin, serviceAccountKeyAdmin, serviceAccountTokenCreator,以及 projectIamAdmin
  • 每个代理都有专门的GCP服务帐户(data-agent-gcp, compute-agent-gcp)各自的IAM角色
  • Vault GCP机密引擎,配备两个 冒充账户 (data-agent-gcp 和 compute-agent-gcp),每个配置有 5分钟令牌TTL (ttl = "300")

拆卸: terraform destroy。参见 terraform/README.md 了解全部细节。

3.创建并激活虚拟环境```bash

python3.13 -m venv .venv
source .venv/bin/activate # Linux / macOS

.venv\Scripts\activate # Windows


您必须在每次新的shell会话中激活虚拟环境,然后
运行或开发项目:```bash
source .venv/bin/activate

4.安装```bash

pip install -e ".[dev]"


### 5.设置LLM API密钥```bash
export ANTHROPIC_API_KEY=sk-ant-...
# or
export OPENAI_API_KEY=sk-...

6.配置config/settings.yaml文件

将您的GCP项目id添加到config/settings.yaml文件中,这是该文件底部的摘录
其去向如下:```

GCP project default

gcp:
project_id: ""
region: "us-central1"


### 7.跑步```bash
vault-mcp-agents
# or
python -m vault_mcp_agents.main --verbose

系统将提示您登录,选择一个代理,然后用自然语言与之交互。

安装脚本(scripts/setup_vault.sh)创建三个具有不同访问级别的预配置用户:

用户名 密码 角色 访问级别
alice alice-pass 操作员 对所有GCP工具的完全读/写/删除访问权限
bob bob-pass 分析员 只读GCS+BigQuery,计算能力有限
carol carol-pass 查看器 最小化只读数据访问

8.运行测试```bash

pytest -v


策略引擎、会话和身份上下文的测试在没有Vault或GCP的情况下运行。

## 测试5分钟凭证租赁

### 如何验证

有三个级别的验证,从快速单元测试到完整的端到端证明。

#### 级别1:单元测试(无需基础设施)

测试套件验证策略引擎是否能够解决 `"5m"` 对于每个角色:```bash
pytest tests/test_policy_engine.py -v -k "five_minute"

这运行 test_all_roles_get_five_minute_ttl,它断言操作员、分析师和观众都会收到 max_gcp_token_ttl == "5m".

级别2:Vault CLI(需要运行Vault+GCP secrets引擎)

直接从Vault读取令牌并检查报告的TTL:```bash
export VAULT_ADDR=http://127.0.0.1:8200
export VAULT_TOKEN=dev-root-token

Request a token from the data-agent impersonated account

vault read gcp/impersonated-account/data-agent-gcp/token


该回复包括 `token_ttl` 现场。在5分钟配置下,该值将为 `300` (秒)或更短。

您还可以确认模拟的帐户配置:```bash
vault read gcp/impersonated-account/data-agent-gcp

这 ttl 字段应显示 5m (或 300s).

第三级:端到端验证(需要Vault+GCP项目)

此测试通过Vault获得真实的GCP令牌,立即使用它,等待它过期,并确认GCP拒绝过时的令牌:```bash
source .venv/bin/activate
python - <<'PYEOF'
import subprocess
import time
import hvac
from google.oauth2.credentials import Credentials
from google.cloud import storage

--- Step 0: Get GCP project ID from gcloud ---

project_id = subprocess.run(
["gcloud", "config", "get-value", "project"],
capture_output=True, text=True, check=True,
).stdout.strip()
print(f"GCP project: {project_id}")

--- Step 1: Get a short-lived token from Vault ---

client = hvac.Client(url="http://127.0.0.1:8200", token="dev-root-token")
resp = client.secrets.gcp.generate_impersonated_account_oauth2_access_token(
name="data-agent-gcp", mount_point="gcp"
)
token = resp["data"]["token"]
ttl = resp["data"].get("token_ttl", "unknown")
print(f"Vault issued token with TTL: {ttl}s")
assert int(ttl) <= 300, f"TTL {ttl}s exceeds 5-minute ceiling!"

--- Step 2: Use the token immediately (should succeed) ---

creds = Credentials(token=token)
sc = storage.Client(credentials=creds, project=project_id)
buckets = [b.name for b in sc.list_buckets()]
print(f"T+0s: SUCCESS — found {len(buckets)} bucket(s)")

--- Step 3: Wait past expiry ---

wait = int(ttl) + 10
print(f"Waiting {wait}s for token to expire...")
time.sleep(wait)

--- Step 4: Retry with the same token (should fail) ---

try:
sc2 = storage.Client(credentials=creds, project=project_id)
list(sc2.list_buckets())
print("T+expired: UNEXPECTED SUCCESS — token should have expired")
except Exception as e:
print(f"T+expired: EXPECTED FAILURE — {type(e).name}: {e}")
PYEOF


成功的测试运行如下:```
GCP project: my-gcp-project
Vault issued token with TTL: 300s
T+0s:   SUCCESS — found 3 bucket(s)
Waiting 310s for token to expire...
T+expired: EXPECTED FAILURE — Forbidden: ...

项目结构```

vault-mcp-agents/
├── config/
│ └── settings.yaml # Vault, agent, MCP, LLM configuration
├── policies/
│ └── capabilities.yaml # (role, agent) → allowed tools
├── scripts/
│ └── setup_vault.sh # Vault dev provisioning (auth, policies, users)
├── terraform/
│ ├── main.tf # GCP SAs + Vault GCP secrets engine + impersonated accounts
│ ├── variables.tf # Input variables (project ID, region, etc.)
│ ├── outputs.tf # Impersonated account names, SA email
│ ├── versions.tf # Provider version constraints
│ ├── terraform.tfvars.example # Template for local variable values
│ └── README.md # Terraform-specific usage guide
├── src/vault_mcp_agents/
│ ├── main.py # CLI entry point
│ ├── auth/
│ │ ├── vault_authenticator.py # Human login via Vault
│ │ └── session.py # Immutable session context
│ ├── vault/
│ │ └── gcp_credentials.py # GCP token retrieval from Vault
│ ├── policy/
│ │ └── engine.py # YAML policy resolution
│ ├── mcp/
│ │ ├── identity_context.py # Composite identity (agent + human)
│ │ ├── base_server.py # Base MCP server with tool filtering
│ │ ├── data_server.py # GCS + BigQuery MCP tools
│ │ └── compute_server.py # GCE Compute MCP tools
│ ├── agents/
│ │ ├── factory.py # Builds LangChain agents from config
│ │ └── mcp_langchain_adapter.py # MCP tools → LangChain tools
│ └── prompt/
│ └── cli.py # Interactive login + conversation UI
├── tests/
│ ├── conftest.py # Shared fixtures
│ ├── test_policy_engine.py # Policy resolution tests
│ ├── test_session.py # Session behaviour tests
│ ├── test_identity_context.py # Serialisation round-trip tests
│ └── test_capability_filter.py # End-to-end capability filtering
├── docker-compose.yaml
└── pyproject.toml


## 定制

### 添加新的MCP工具

1. 将处理程序方法添加到相关服务器(`data_server.py` 或 `compute_server.py`).
1. 在中注册 `_register_all_tools()`.
1. 将工具名称添加到中的相应角色 `policies/capabilities.yaml`.
1. 策略引擎的测试将捕获任何缺失的条目。

### 添加新角色

1. 创建Vault策略(例如。 `auditor-policy`).
1. 在中添加角色映射 `vault_authenticator.py` → `_POLICY_TO_ROLE`.
1. 添加a `auditor:` 阻止到 `policies/capabilities.yaml` 每个代理的工具列表。

### 切换身份验证方法

改变 `vault.auth_method` 在 `settings.yaml` 到 `ldap` 或 `oidc`The `VaultAuthenticator` 代表相应 `hvac` 身份验证后端。

## 故障排除

### `ModuleNotFoundError: No module named &#x27;vault_mcp_agents&#x27;`

运行时发生此错误 `python -m vault_mcp_agents.main` 没有
活动虚拟环境或未先安装包。

**修复:** 创建并激活虚拟环境,然后安装软件包:```bash
python3.13 -m venv .venv
source .venv/bin/activate
pip install -e &quot;.[dev]&quot;

如果你已经有了 .venv 目录,你只需要激活它:bash source .venv/bin/activate

> 为什么需要venv? macOS上由Homebrew管理的Python
> 外部管理 和块
> 系统范围的 pip install虚拟环境将项目的
> 依赖关系并使 vault_mcp_agents 包装可进口。

许可证

麻省理工学院

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
Vault MCP Agents 怎么安装?

在客户端按下面的安装命令接入:python3 --version。装完在客户端配置里引用同一个包或端点。

Vault MCP Agents 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。

Vault MCP Agents 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。

Vault MCP Agents 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

Vault MCP Agents 能提供哪些能力?

资料显示能力标签包括 Python、访问控制、安全。具体工具清单以官方文档为准。

Vault MCP Agents 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。

Vault MCP Agents 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。