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 —— 엔터프라이즈급 AI 에이전트 플랫폼

다중 형식 문서 RAG · 멀티 에이전트 협업 · MCP 도구 호출 · 사실 검증 자가 수정 · HITL 수동 승인

Aegis(/ˈiːdʒɪs/, 신들의 방패)는 설치 즉시 사용 가능한 엔터프라이즈급 AI 에이전트 애플리케이션으로, 「신뢰할 수 있는 답변」과 「안전한 실행」이라는 두 가지 핵심 축을 중심으로 설계되었습니다:

답변 측면: 멀티 에이전트(Planner → Retriever → Auditor → Answerer)가 분업하여 협업하며, 모든 답변은 Auditor 사실 검증을 거치고, 증거가 부족할 경우 사실대로 안내하고 절대 지어내지 않습니다;
실행 측면: 도구 호출은 MCP(Model Context Protocol) 표준 프로토콜을 기반으로 하며, 최소 권한 화이트리스트 + 민감 작업 수동 승인(HITL) 을 결합하여 안전한 격리를 구현합니다.

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

✨ 핵심 기능

요구사항	구현
다중 형식 문서 지식베이스 구축 및 의미 검색	PDF / Word / Excel / PPT / TXT 파싱(표, 슬라이드, 페이지 번호 위치 포함); 재귀 청크 분할; 벡터 + BM25 하이브리드 검색(RRF 융합); 로컬 임베딩으로 API Key 불필요
멀티 에이전트 분업 협업	Planner(계획) → Retriever(검색+도구) → Answerer(인용 포함 초안 작성) → Auditor(검증), 감사 실패 시 피드백과 함께 자동으로 재검색/재응답, 최대 N회
MCP 기반 도구 호출 표준화 및 안전 격리	공식 `mcp` SDK 기반 MCP 서버 구현(in-process 및 표준 stdio 두 가지 연동 방식 지원); JSON Schema 파라미터 검증; 에이전트별 최소 권한 화이트리스트; AST 화이트리스트 계산기로 인젝션 차단
Auditor 사실 검증 및 자가 수정	주장 vs 증거를 항목별로 대조(supported/unsupported/contradicted), 신뢰도 점수와 수정 의견 출력; 증거 부족 시 명확히 안내하고 거부하며, 지어내지 않음, 자체적으로 추가 검색 가능
HITL 수동 개입	민감 도구(이메일 발송/내보내기/삭제) 실행 시 승인 요청서가 보류되고, approve/reject 후 실행 재개 지원; 세 가지 모드: `interactive` / `auto_approve` / `auto_deny`(기본 거부, fail-safe)

Related MCP server: Works With Agents MCP Server

🚀 빠른 시작

# 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

API Key 없이도 전체 흐름을 실행할 수 있습니다: 기본 임베딩 모델은 로컬 ONNX (BAAI/bge-small-zh-v1.5, 최초 실행 시 약 95MB 자동 다운로드)를 사용하고, LLM은 내장된 결정적 백엔드로 엔드투엔드 검증을 수행합니다. 실제 모델 연동은 .env에만 설정하면 됩니다.

실제 LLM 연동

OpenAI 호환 프로토콜 엔드포인트를 모두 지원합니다:

# 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

📖 사용 문서

문서	내용
docs/architecture.md	아키텍처 설계, 멀티 에이전트 협업 프로토콜, 보안 모델
docs/deploy.md	배포, 설정, LLM 연동, MCP stdio 모드
docs/verification.md	엔드투엔드 자체 검증 보고서 및 검증 방법

🔌 HTTP API

메서드	경로	설명
POST	`/api/documents/ingest`	문서 업로드 및 지식베이스 등록(multipart)
POST	`/api/documents/ingest-path`	경로 기반 일괄 등록
GET	`/api/documents`	문서 목록
DELETE	`/api/documents/{id}`	문서 삭제(민감 → HITL)
POST	`/api/chat`	질문(멀티 에이전트 파이프라인)
GET	`/api/sessions/{id}`	세션 상태
POST	`/api/sessions/{id}/resume`	승인 후 세션 재개
GET	`/api/approvals`	승인 요청서 목록
POST	`/api/approvals/{id}/decide`	승인/거부(`{"approve": true}`)
GET	`/api/tools` · POST `/api/tools/call`	MCP 도구 디렉터리 / 수동 도구 호출
GET	`/health`	헬스 체크

🧩 MCP 도구

표준 Model Context Protocol로 노출되며, 모든 MCP 클라이언트에서 연동할 수 있습니다:

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

도구	설명	보안 등급
`calculator`	AST 화이트리스트 안전 계산	✅ 일반
`get_current_time`	현재 시간	✅ 일반
`kb_search`	지식베이스 의미 검색	✅ 일반
`doc_stats`	지식베이스 통계	✅ 일반
`send_email`	이메일 발송 시뮬레이션	🔒 민감 → HITL
`export_file`	파일 내보내기(샌드박스 디렉터리)	🔒 민감 → HITL
`delete_document`	문서 삭제	🔒 민감 → HITL

🧪 테스트 및 검증

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）

📁 디렉터리 구조

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

⚠️ 보안 안내

민감 도구는 기본 거부(auto_deny)이며, 프로덕션 환경에서는 interactive 수동 승인을 유지할 것을 권장합니다;
export_file은 데이터 디렉터리 내 exports/ 샌드박스에만 쓰기 가능합니다;
계산기는 AST 화이트리스트 평가를 사용하므로 eval 인젝션 공격 표면이 없습니다;
이 프로젝트의 send_email은 시뮬레이션 구현이며, 실제 메일 게이트웨이 연동 전에 직접 구현하고 HITL 승인을 유지하시기 바랍니다.

📄 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 GatewayA
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 ServerA
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)
-