Skip to main content
Glama
deenesjakoruzh
CJH91577

Aegis MCP Server

by CJH91577
OverviewSchemaRelated ServersScoreDiscussions
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: Labradoc 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 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