Skip to main content
Glama
CJH91577
by CJH91577

🛡️ Aegis —— 企业级 AI 智能体平台

多格式文档 RAG · 多智能体协作 · MCP 工具调用 · 事实核查自修正 · HITL 人工审批

Aegis(/ˈiːdʒɪs/,神盾)是一个开箱即用的企业级 AI 智能体应用, 围绕「可信回答」与「安全执行」两条主线设计:

  • 回答侧:多智能体(Planner → Retriever → Auditor → Answerer)分工协作, 每个答案都要经过 Auditor 事实核查,证据不足时如实说明、绝不编造

  • 执行侧:工具调用基于 MCP(Model Context Protocol) 标准化协议, 配合**最小权限白名单 + 敏感操作人工审批(HITL)**实现安全隔离。

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

✨ 核心能力

需求

实现

多格式文档知识入库与语义检索

PDF / Word / Excel / PPT / TXT 解析(含表格、幻灯片、页码定位);递归切块;向量 + BM25 混合检索(RRF 融合);本地嵌入免 API Key

多智能体分工协作

Planner(规划)→ Retriever(检索+工具)→ Answerer(带引用起草)→ Auditor(核查),审计不通过自动带反馈重新检索/作答,最多 N 轮

基于 MCP 的工具调用标准化与安全隔离

基于官方 mcp SDK 实现 MCP 服务器(支持 in-process 与标准 stdio 两种接入);JSON Schema 参数校验;按智能体最小权限白名单;AST 白名单计算器杜绝注入

Auditor 事实核查与自我修正

逐条核对声明 vs 证据(supported/unsupported/contradicted),输出可信度评分与修订意见;证据不足时明确告知、拒绝编造,可自主补充检索

HITL 人工干预

敏感工具(发邮件/导出/删除)触发审批单挂起,支持 approve/reject 后恢复执行;三种模式:interactive / auto_approve / auto_deny(默认拒绝,fail-safe)

Related MCP server: Labradoc MCP Server

🚀 快速开始

# 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

无需任何 API Key 即可跑通全流程:默认嵌入模型用本地 ONNX (BAAI/bge-small-zh-v1.5,首次自动下载约 95MB),LLM 用内置确定性 后端完成端到端验证;接入真实模型只需在 .env 中配置。

接入真实 LLM

支持任意 OpenAI 兼容协议端点:

# 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

📖 使用文档

文档

内容

docs/architecture.md

架构设计、多智能体协作协议、安全模型

docs/deploy.md

部署、配置、LLM 接入、MCP stdio 模式

docs/verification.md

端到端自验证报告与验证方法

🔌 HTTP API

方法

路径

说明

POST

/api/documents/ingest

上传文档入库(multipart)

POST

/api/documents/ingest-path

按路径批量入库

GET

/api/documents

文档列表

DELETE

/api/documents/{id}

删除文档(敏感 → HITL

POST

/api/chat

提问(多智能体流水线)

GET

/api/sessions/{id}

会话状态

POST

/api/sessions/{id}/resume

审批后恢复会话

GET

/api/approvals

审批单列表

POST

/api/approvals/{id}/decide

批准/拒绝({"approve": true}

GET

/api/tools · POST /api/tools/call

MCP 工具目录 / 人工调用工具

GET

/health

健康检查

🧩 MCP 工具

以标准 Model Context Protocol 暴露,可被任何 MCP 客户端接入:

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

工具

说明

安全等级

calculator

AST 白名单安全计算

✅ 常规

get_current_time

当前时间

✅ 常规

kb_search

知识库语义检索

✅ 常规

doc_stats

知识库统计

✅ 常规

send_email

模拟发邮件

🔒 敏感 → HITL

export_file

导出文件(沙箱目录)

🔒 敏感 → HITL

delete_document

删除文档

🔒 敏感 → HITL

🧪 测试与验证

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)

📁 目录结构

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

⚠️ 安全说明

  • 敏感工具默认拒绝auto_deny),生产环境建议保持 interactive 人工审批;

  • export_file 仅允许写入数据目录下的 exports/ 沙箱;

  • 计算器采用 AST 白名单求值,不存在 eval 注入面;

  • 该项目的 send_email模拟实现,接入真实邮件网关前请自行实现并保持 HITL 审批。

📄 License

MIT

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

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

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

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

  • 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