de en es ja ko ru zh

Aegis MCP Server

Name: Aegis MCP Server
Author: CJH91577

by CJH91577

Overview Schema Source Related Servers Discussions Admin

Python

Hybrid

🛡️ Aegis —— Enterprise-KI-Agenten-Plattform

Multi-Format-Dokument-RAG · Multi-Agenten-Kollaboration · MCP-Tool-Aufrufe · Faktenprüfung mit Selbstkorrektur · HITL-manuelle Genehmigung

Aegis (/ˈiːdʒɪs/, göttlicher Schild) ist eine sofort einsatzbereite Enterprise-KI-Agenten-Anwendung, die um zwei Leitlinien herum konzipiert ist: „vertrauenswürdige Antworten“ und „sichere Ausführung“:

Antwortseite: Mehrere Agenten (Planner → Retriever → Auditor → Answerer) arbeiten arbeitsteilig zusammen — jede Antwort muss die Faktenprüfung des Auditors durchlaufen; bei unzureichender Beleglage wird dies ehrlich mitgeteilt und es wird nichts erfunden;
Ausführungsseite: Tool-Aufrufe basieren auf dem standardisierten MCP (Model Context Protocol)-Protokoll, kombiniert mit **Least-Privilege-Whitelist + manueller Genehmigung sensibler Operationen (HITL)** für eine sichere Isolierung.

                    ┌──────────────────────────────────────────────┐
                    │                用户 / FastAPI / CLI            │
                    └──────────────────────┬───────────────────────┘
                                           │ 提问
                    ┌──────────────────────▼───────────────────────┐
                    │           Orchestrator（多智能体编排器）        │
                    │                                              │
                    │  ① Planner    规划：拆解子问题 + 工具计划        │
                    │  ② Retriever  检索：混合检索 + MCP 工具执行      │
                    │  ③ Answerer   起草：基于证据、带引用 [C1][C2]   │
                    │  ④ Auditor    核查：逐条声明 vs 证据            │
                    │       └─ revise ─► 带反馈重检/重答（≤3 轮）     │
                    └──────┬──────────────────────────────┬────────┘
                           │ 语义检索                       │ MCP 协议
              ┌────────────▼───────────┐       ┌───────────▼────────────┐
              │  知识库（RAG）           │       │   MCP 工具服务器        │
              │  PDF/DOCX/XLSX/PPTX/TXT│       │  calculator / kb_search │
              │  → 解析 → 切块 → 向量化  │       │  doc_stats / …          │
              │  → Chroma + BM25 混合   │       │  🔒 敏感工具 → HITL 审批 │
              └────────────────────────┘       └────────────────────────┘

✨ Kernfunktionen

Anforderung	Umsetzung
Multi-formatige Dokumente in die Wissensbasis aufspult und semantisch suchen	PDF / Word / Excel / PPT / TXT-Parsing (inkl. Tabellen, Folien, Seitenzuordnung); rekursives Chunking; Hybrid-Suche mit Vektor + BM25 (RRF-Fusion); lokale Embeddings ohne API-Key
Multi-Agenten-Kollaboration mit Arbeitsteilung	Planner (Planung) → Retriever (Suche + Tools) → Answerer (Entwurf mit Zitaten) → Auditor (Prüfung); bei nicht bestandener Prüfung automatisch mit Feedback erneut suchen/antworten, maximal N Runden
Standardisierung und sichere Isolierung von Tool-Aufrufen über MCP	Implementierter MCP-Server auf Basis des offiziellen `mcp` SDK (unterstützt In-process-Integration und standardmäßiges stdio); JSON-Schema-Parameterprüfung; Least-Privilege-Whitelist pro Agent; AST-Whitelist-Rechner verhindert Injection
Auditor-Faktenprüfung und Selbstkorrektur	Aussage-für-Aussage-Abgleich mit Belegen (supported/unsupported/contradicted), Ausgabe einer Vertrauenswürdigkeitsbewertung und Überarbeitungsvorschläge; bei unzureichenden Belegen klar kommunizieren und nichts erfinden, zusätzliche Suche kann autonom angestoßen werden
HITL-manuelle Intervention	Sensible Tools (E-Mail senden/exportieren/löschen) lösen eineGenehmigungsanfrage mit zeitweiliger Aussetzung aus; nach approve/reject wird die Ausführung fortgesetzt; drei Modi: `interactive` / `auto_approve` / `auto_deny` (Standard: ablehnen, fail-safe)

Related MCP server: Works With Agents MCP Server

🚀 Schnellstart

# 1. 安装（Python 3.10+）
cd enterprise-rag-agent
pip install -e .

# 2.（可选）配置 LLM —— 默认离线模式无需配置；接入真实模型见下文
cp .env.example .env   # 填入 OPENAI 兼容的 API Key（OpenAI/DeepSeek/Ollama 等）

# 3. 一键端到端演示（自动生成 5 种格式样例文档 → 入库 → 问答 → 审批，全部自校验）
aegis demo

# 4. 导入你自己的文档
aegis ingest ./your_docs

# 5. 提问（多智能体流水线）
aegis ask "一线城市出差住宿报销上限是多少？"

# 6. 启动 HTTP 服务（Swagger: http://127.0.0.1:8000/docs）
aegis serve

Der gesamte Ablauf funktioniert ohne einen einzigen API-Key: Das Standard-Embedding-Modell basiert auf lokalem ONNX (BAAI/bge-small-zh-v1.5, automatischer Download ca. 95 MB beim ersten Start), und die LLM-Ausführung nutzt das integrierte deterministische Backend für die End-to-End-Verifikation; um ein echtes Modell anzubinden, genügt eine Konfiguration in .env.

Echte LLMs anbinden

Unterstützt beliebige Endpunkte mit OpenAI-kompatiblem Protokoll:

# OpenAI / DeepSeek / 通义 / 本地 vLLM
AEGIS_LLM_PROVIDER=openai
AEGIS_LLM_BASE_URL=https://api.deepseek.com/v1
AEGIS_LLM_API_KEY=sk-xxxx
AEGIS_LLM_MODEL=deepseek-chat

# 或本地 Ollama（含嵌入，完全离线）
AEGIS_LLM_PROVIDER=ollama
AEGIS_LLM_MODEL=qwen2.5:3b
AEGIS_EMBED_PROVIDER=ollama
AEGIS_EMBED_MODEL=nomic-embed-text

📖 Nutzungsdokumentation

Dokument	Inhalt
docs/architecture.md	Architekturdesign, Multi-Agenten-Zusammenarbeitsprotokoll, Sicherheitsmodell
docs/deploy.md	Bereitstellung, Konfiguration, LLM-Anbindung, MCP-stdio-Modus
docs/verification.md	End-to-End-Selbstverifikationsbericht und Verifikationsmethoden

🔌 HTTP API

Methode	Pfad	Beschreibung
POST	`/api/documents/ingest`	Dokumente für die Wissensbasis hochladen (multipart)
POST	`/api/documents/ingest-path`	Massenimport über Pfad
GET	`/api/documents`	Dokumentenliste
DELETE	`/api/documents/{id}`	Dokument löschen (sensibel → HITL)
POST	`/api/chat`	Frage stellen (Multi-Agent-Pipeline)
GET	`/api/sessions/{id}`	Session-Status
POST	`/api/sessions/{id}/resume`	Session nach Genehmigung fortsetzen
GET	`/api/approvals`	Liste der Genehmigungsanfragen
POST	`/api/approvals/{id}/decide`	Genehmigen/Ablehnen (`{"approve": true}`)
GET	`/api/tools` · POST	`/api/tools/call`	MCP-Tool-Verzeichnis / manueller Tool-Aufruf
GET	`/health`	Health-Check

🧩 MCP-Tools

Über das standardisierte Model Context Protocol bereitgestellt und von jedem MCP-Client nutzbar:

python -m aegis.mcp.server   # 标准 stdio 服务

Tool	Beschreibung	Sicherheitsstufe
`calculator`	sichere Berechnung mit AST-Whitelist	✅ Normal
`get_current_time`	Aktuelle Uhrzeit	✅ Normal
`kb_search`	Semantische Suche in der Wissensbasis	✅ Normal
`doc_stats`	Statistik der Wissensbasis	✅ Normal
`send_email`	Simulierter E-Mail-Versand	🔒 sensibel → HITL
`export_file`	Datei exportieren (Sandbox-Verzeichnis)	🔒 sensibel → HITL
`delete_document`	Dokument löschen	🔒 sensibel → HITL

🧪 Tests und Verifikation

pip install -e ".[dev]"
pytest -q              # 单元 + 集成测试（全部离线可跑）
aegis demo             # 端到端演示（含 20+ 条自校验断言）

📁 Verzeichnisstruktur

enterprise-rag-agent/
├── aegis/
│   ├── llm/            # LLM 抽象层（OpenAI 兼容 / Ollama / 离线确定性）
│   ├── embeddings/     # 嵌入层（fastembed 本地 / OpenAI / Ollama）
│   ├── ingestion/      # 解析（5 格式）→ 切块 → 入库管道
│   ├── retrieval/      # Chroma 向量库 + BM25 混合检索
│   ├── mcp/            # MCP 服务器 / 客户端 / 安全策略
│   ├── agents/         # Planner / Retriever / Answerer / Auditor
│   ├── hitl/           # 人工审批管理器
│   ├── api/            # FastAPI 服务
│   ├── orchestrator.py # 多智能体编排器（状态机 + 挂起恢复）
│   ├── demo.py         # 端到端演示
│   └── cli.py          # 命令行入口
├── scripts/make_sample_docs.py   # 样例文档生成
├── tests/              # pytest 套件
└── docs/               # 架构 / 部署 / 验证文档

⚠️ Sicherheitshinweise

Sensible Tools sind standardmäßig abgelehnt (auto_deny); für die Produktion wird empfohlen, interactive und die manuelle Genehmigung beizubehalten;
export_file darf nur in das Sandbox-Verzeichnis exports/ innerhalb des Datenverzeichnisses schreiben;
Der Rechner verwendet eine AST-Whitelist-Auswertung; es gibt keine eval-Injection-Punkt;
Das enthaltene send_email-Tool ist eine simulierte Implementierung; bevor ein echtes E-Mail-Gateway angebunden wird, sollte es selbst implementiert und die HITL-Genehmigung beibehalten werden.

📄 License

MIT

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Resources

Related MCP Connectors

Singularity - MCP Discovery & Security Gateway A
io.github.gaurav-kumar-sinha-060705
Find, vet, and run MCP tools through a secure audited gateway with prompt-injection risk scoring
Security Developer Tools
11
https://singularity-osd2.onrender.com/mcp
Flowra
io.github.flowradev
MCP server for your apps' tools and custom tools, plus hosted AI agents and approval-gated workflows
Agent Orchestration Autonomous Agents
11
https://mcp.flowra.dev/mcp
Algenta MCP Server A
io.github.thyn-ai
Governed data discovery, exact queries, decisions, simulations, and runtime utilities over MCP.
Data Platforms Search RAG Systems
14021
https://api.algenta.ai/mcp
DataGrout
ai.datagrout
Discover, plan and run tools across your connected business systems through one OAuth MCP endpoint
App Automation Autonomous Agents
1
https://gateway.datagrout.ai/connect

Related MCP Servers

Nervora
Security Agent Orchestration
sveselaj
A
license
Not graded
quality
C
maintenance
A secure MCP gateway for enterprise AI tool execution, enabling governed invocation of business tools with authentication, RBAC, audit logging, PII redaction, and async processing.
Updated 24 days ago (2026-10-13 13:24 UTC)
Apache 2.0
Works With Agents MCP Server
Agent Orchestration Autonomous Agents Security
vystartasv
A
license
A
quality
F
maintenance
Provides 14 MCP tools for AI agent infrastructure, enabling knowledge base queries, skill search, handoffs, blueprint validation, trust scoring, identity verification, SLA validation, and compliance checks.
Updated 4 months ago (2026-07-13 22:29 UTC)
22
16 PyPI
MIT
SecureMCP Agent Hub
Security Agent Orchestration
sgt-9304
F
license
Not graded
quality
C
maintenance
Enables AI agents to securely call enterprise MCP tools with tenant-scoped RBAC, human approvals, audit logging, and multi-tool workflows across customer, order, document, and ticket data.
Updated 2 months ago (2026-08-31 12:40 UTC)
-
MCP_Based_AI_Assistant
Autonomous Agents Search
Archana-M-11
F
license
Not graded
quality
C
maintenance
Enables an AI assistant to dynamically discover and invoke MCP tools for document search, employee information lookup, and mathematical calculations, with human-in-the-loop approval for sensitive operations.
Updated 2 months ago (2026-09-07 18:16 UTC)
-