Skip to main content
Glama
deenesjakoruzh
CJH91577

Aegis MCP Server

by CJH91577
OverviewSchemaRelated ServersScoreDiscussions
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: Labradoc 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 installed

A
license - permissive license
Not graded
quality - not tested
C
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • Oakallow

    Runtime permission, approval, and audit layer for AI agent tool execution.

  • coralquery-mcp

    A paid remote MCP for AI SDK data query MCP, built to return verdicts, receipts, usage logs, and aud

  • mcp-knowledge

    100+ MCP tools for AI agents: content metadata, trade intelligence, business-expertise analysis.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/CJH91577/enterprise-rag-agent'

If you have feedback or need assistance with the MCP directory API, please join our Discord server