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 —— корпоративная платформа ИИ-агентов

RAG по документам в различных форматах · Коллаборация нескольких агентов · Вызов инструментов через MCP · Самокоррекция с проверкой фактов · HITL-согласование

Aegis (/ˈiːdʒɪs/, эгида) — это готовое к использованию корпоративное приложение ИИ-агентов, спроектированное вокруг двух ключевых принципов: «достоверные ответы» и «безопасное выполнение».

Сторона ответов: несколько агентов (Planner → Retriever → Auditor → Answerer) работают сообща, каждый ответ проходит проверку фактов Auditor'ом, при недостатке доказательств агент честно сообщает об этом и никогда не выдумывает;
Сторона выполнения: вызов инструментов основан на стандартизированном протоколе MCP (Model Context Protocol), в сочетании с белым списком минимальных привилегий + ручным согласованием чувствительных операций (HITL) для безопасной изоляции.

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

✨ Ключевые возможности

Потребность	Реализация
Загрузка знаний из документов различных форматов и семантический поиск	Разбор PDF / Word / Excel / PPT / TXT (включая таблицы, слайды, привязку к номерам страниц); рекурсивное разбиение на чанки; гибридный поиск вектор + BM25 (слияние RRF); локальные эмбеддинги без API-ключа
Коллаборация нескольких агентов	Planner (планирование) → Retriever (поиск + инструменты) → Answerer (черновик с цитатами) → Auditor (проверка), при неудачной проверке автоматический повторный поиск/ответ с обратной связью, максимум N раундов
Стандартизация и безопасная изоляция вызова инструментов на основе MCP	Реализация MCP-сервера на официальном SDK `mcp` (поддержка двух способов подключения: in-process и стандартный stdio); валидация параметров по JSON Schema; белый список минимальных привилегий по агентам; калькулятор с белым списком AST для исключения инъекций
Проверка фактов Auditor'ом и самокоррекция	Построчная сверка утверждений с доказательствами (supported/unsupported/contradicted), вывод оценки достоверности и рекомендаций по исправлению; при недостатке доказательств — явное уведомление, отказ от выдумывания, возможность самостоятельного дополнительного поиска
HITL-вмешательство человека	Чувствительные инструменты (отправка почты/экспорт/удаление) вызывают приостановку с созданием заявки на согласование, поддержка approve/reject с последующим возобновлением выполнения; три режима: `interactive` / `auto_approve` / `auto_deny` (по умолчанию — отказ, fail-safe)

Related MCP server: Works With Agents MCP Server

🚀 Быстрый старт

# 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

Полный цикл работает без каких-либо API-ключей: модель эмбеддингов по умолчанию — локальная ONNX (BAAI/bge-small-zh-v1.5, при первом запуске автоматически загружается ~95 МБ), LLM использует встроенный детерминированный бэкенд для сквозной проверки; подключение реальной модели — просто настройка в .env.

Подключение реальной LLM

Поддерживается любая конечная точка, совместимая с протоколом 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

📖 Документация

Документ	Содержание
docs/architecture.md	Архитектура, протокол коллаборации агентов, модель безопасности
docs/deploy.md	Развёртывание, конфигурация, подключение LLM, режим MCP stdio
docs/verification.md	Отчёт о сквозной самопроверке и методы проверки

🔌 HTTP API

Метод	Путь	Описание
POST	`/api/documents/ingest`	Загрузка документа в базу знаний (multipart)
POST	`/api/documents/ingest-path`	Пакетная загрузка по пути
GET	`/api/documents`	Список документов
DELETE	`/api/documents/{id}`	Удаление документа (чувствительно → HITL)
POST	`/api/chat`	Вопрос (конвейер нескольких агентов)
GET	`/api/sessions/{id}`	Статус сессии
POST	`/api/sessions/{id}/resume`	Возобновление сессии после согласования
GET	`/api/approvals`	Список заявок на согласование
POST	`/api/approvals/{id}/decide`	Одобрить/отклонить (`{"approve": true}`)
GET	`/api/tools` · POST `/api/tools/call`	Каталог инструментов MCP / ручной вызов инструмента
GET	`/health`	Проверка работоспособности

🧩 Инструменты MCP

Предоставляются по стандартному Model Context Protocol, доступны для подключения любым MCP-клиентом:

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

Инструмент	Описание	Уровень безопасности
`calculator`	Безопасные вычисления с белым списком AST	✅ Обычный
`get_current_time`	Текущее время	✅ Обычный
`kb_search`	Семантический поиск по базе знаний	✅ Обычный
`doc_stats`	Статистика базы знаний	✅ Обычный
`send_email`	Имитация отправки почты	🔒 Чувствительно → HITL
`export_file`	Экспорт файла (каталог-песочница)	🔒 Чувствительно → HITL
`delete_document`	Удаление документа	🔒 Чувствительно → HITL

🧪 Тестирование и проверка

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）

📁 Структура каталога

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

⚠️ Замечания по безопасности

Чувствительные инструменты по умолчанию отклоняются (auto_deny), в производственной среде рекомендуется сохранять ручное согласование interactive;
export_file разрешает запись только в песочницу exports/ внутри каталога данных;
Калькулятор использует вычисление с белым списком AST, поверхности для инъекций eval не существует;
send_email в этом проекте — имитационная реализация, перед подключением реального почтового шлюза реализуйте его самостоятельно и сохраняйте HITL-согласование.

📄 Лицензия

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
21
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 12 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 3 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)
-