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 —— Plataforma de agentes de IA empresarial

RAG de documentos multiformato · Colaboración multiagente · Llamadas a herramientas MCP · Autocorrección con verificación de hechos · Aprobación humana HITL

Aegis (/ˈiːdʒɪs/, escudo) es una aplicación de agentes de IA empresarial lista para usar, diseñada en torno a dos líneas principales: «respuestas fiables» y «ejecución segura»:

Lado de respuesta: colaboración multiagente (Planner → Retriever → Auditor → Answerer) con división de tareas; cada respuesta pasa por la verificación de hechos del Auditor; cuando la evidencia es insuficiente, se indica con honestidad y nunca se inventa;
Lado de ejecución: las llamadas a herramientas se basan en el protocolo estandarizado MCP (Model Context Protocol), combinado con lista blanca de mínimos privilegios + aprobación humana para operaciones sensibles (HITL) para lograr un aislamiento seguro.

                    ┌──────────────────────────────────────────────┐
                    │                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 │
              └────────────────────────┘       └────────────────────────┘

✨ Capacidades principales

Requisito	Implementación
Ingesta de conocimiento de documentos multiformato y recuperación semántica	Análisis de PDF / Word / Excel / PPT / TXT (incluye tablas, diapositivas, localización de páginas); fragmentación recursiva; recuperación híbrida vectorial + BM25 (fusión RRF); incrustaciones locales sin API Key
Colaboración multiagente con división de tareas	Planner (planificación) → Retriever (recuperación + herramientas) → Answerer (redacción con citas) → Auditor (verificación); si la auditoría no pasa, se vuelve a recuperar/responder automáticamente con retroalimentación, hasta N rondas
Estandarización y aislamiento seguro de llamadas a herramientas basadas en MCP	Implementación de servidor MCP basada en el SDK oficial `mcp` (admite integración in-process y stdio estándar); validación de parámetros con JSON Schema; lista blanca de mínimos privilegios por agente; calculadora con lista blanca AST para evitar inyecciones
Verificación de hechos y autocorrección del Auditor	Verificación declaración por declaración vs. evidencia (supported/unsupported/contradicted), emite puntuación de fiabilidad y opiniones de revisión; cuando la evidencia es insuficiente, lo indica claramente y se niega a inventar, puede complementar la recuperación de forma autónoma
Intervención humana HITL	Las herramientas sensibles (enviar correo/exportar/eliminar) activan suspensión de la solicitud de aprobación, admite reanudar la ejecución tras approve/reject; tres modos: `interactive` / `auto_approve` / `auto_deny` (denegación por defecto, fail-safe)

Related MCP server: Works With Agents MCP Server

🚀 Inicio rápido

# 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

Sin necesidad de API Key para ejecutar todo el flujo: el modelo de incrustaciones por defecto usa ONNX local (BAAI/bge-small-zh-v1.5, descarga automática de ~95 MB la primera vez), el LLM usa el backend determinista integrado para la verificación de extremo a extremo; para conectar un modelo real solo hay que configurarlo en .env.

Conexión a un LLM real

Admite cualquier endpoint compatible con el protocolo OpenAI:

# 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

📖 Documentación de uso

Documento	Contenido
docs/architecture.md	Diseño de arquitectura, protocolo de colaboración multiagente, modelo de seguridad
docs/deploy.md	Despliegue, configuración, conexión LLM, modo MCP stdio
docs/verification.md	Informe de autoverificación de extremo a extremo y método de verificación

🔌 API HTTP

Método	Ruta	Descripción
POST	`/api/documents/ingest`	Subir documento para ingesta (multipart)
POST	`/api/documents/ingest-path`	Ingesta por lotes por ruta
GET	`/api/documents`	Lista de documentos
DELETE	`/api/documents/{id}`	Eliminar documento (sensible → HITL)
POST	`/api/chat`	Preguntar (canalización multiagente)
GET	`/api/sessions/{id}`	Estado de la sesión
POST	`/api/sessions/{id}/resume`	Reanudar sesión tras aprobación
GET	`/api/approvals`	Lista de solicitudes de aprobación
POST	`/api/approvals/{id}/decide`	Aprobar/rechazar (`{"approve": true}`)
GET	`/api/tools` · POST `/api/tools/call`	Catálogo de herramientas MCP / llamada manual a herramientas
GET	`/health`	Comprobación de salud

🧩 Herramientas MCP

Expuestas mediante el estándar Model Context Protocol, accesibles desde cualquier cliente MCP:

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

Herramienta	Descripción	Nivel de seguridad
`calculator`	Cálculo seguro con lista blanca AST	✅ Normal
`get_current_time`	Hora actual	✅ Normal
`kb_search`	Recuperación semántica de la base de conocimiento	✅ Normal
`doc_stats`	Estadísticas de la base de conocimiento	✅ Normal
`send_email`	Envío de correo simulado	🔒 Sensible → HITL
`export_file`	Exportar archivo (directorio sandbox)	🔒 Sensible → HITL
`delete_document`	Eliminar documento	🔒 Sensible → HITL

🧪 Pruebas y verificación

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）

📁 Estructura de directorios

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

⚠️ Notas de seguridad

Las herramientas sensibles se deniegan por defecto (auto_deny); en producción se recomienda mantener interactive con aprobación humana;
export_file solo permite escribir en el sandbox exports/ dentro del directorio de datos;
La calculadora usa evaluación con lista blanca AST, sin superficie de inyección eval;
El send_email de este proyecto es una implementación simulada; antes de conectar una pasarela de correo real, impleméntela usted mismo y mantenga la aprobación HITL.

📄 Licencia

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

Maintenance

ActivitySlowing

ResponsivenessNo issues

Resources

Related MCP Connectors

Singularity - MCP Discovery & Security Gateway AOAuth
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
FlowraOAuth
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
DataGroutOAuth
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 19 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
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)
-