Care Membrane MCP Server
care-membrane-mcp
Warum existiert dieses Projekt?
KI-Sicherheit bedeutet heute meistens: „Das Modell verweigert bestimmte Prompts“. Das ist notwendig, aber unzureichend – es adressiert nicht das grundlegende Problem: Woher weiß ein KI-Agent, ob eine Aktion, die er ausführen will, den Menschen, mit denen er arbeitet, dient oder schadet?
Die Care Membrane ist die Referenzimplementierung von MEOK für eine pflegevalidierende Ebene auf Substratebene. Bevor ein Agent eine Aktion ausführt (eine E-Mail senden, eine Datei ändern, öffentlich posten, eine Transaktion ausführen), bewertet die Membran die geplante Aktion anhand von vier Pflege-Dimensionen: Beziehungsintegrität, Zustimmung, Würde und Umkehrbarkeit. Aktionen, die die Pflegevalidierung nicht bestehen, werden blockiert oder an einen Menschen eskaliert.
Dies ist keine Alternative zur Sicherheit auf Modellebene – es ist eine ergänzende Ebene, die zwischen der Absicht des Agenten und den Auswirkungen auf das System läuft. Besonders nützlich für agentische Workflows, die im Namen gefährdeter Bevölkerungsgruppen (Gesundheitswesen, soziale Dienste, Bildung, Kinderbetreuung) handeln, bei denen die Kosten einer falschen Aktion nicht unerheblich sind.
Related MCP server: Trustwise MCP Server
Beispiel für die reale Nutzung
Eine lokale Behörde für Kinderbetreuung testete einen agentischen Workflow, der Sozialarbeitern half, Zusammenfassungen von Fallakten zu erstellen. Sie installierten dieses MCP, um vor jeder Änderung einer Fallakte ein Pflegevalidierungs-Gate hinzuzufügen:
pip install care-membrane-mcpDie Pre-Action-Prompt-Schleife des Agenten wurde zu:
„Bevor ich diese aktualisierte Fallnotiz speichere, bewerte sie über die Care Membrane: Ist die Sprache würdevoll? Haben wir die Zustimmung für die Aufnahme dieses Details erhalten? Ist die Änderung umkehrbar? Bewahrt sie die Beziehungsintegrität zur betroffenen Familie?“
Entscheidungen der Membran: ALLOW (Aktion wird fortgesetzt), ESCALATE (menschliche Überprüfung erforderlich), BLOCK (Aktion mit Begründung verweigert). Jede Entscheidung ist HMAC-signiert und wird zur Prüfung protokolliert. Ergebnis: Der Datenschutzbeauftragte der Behörde verfügt über einen kryptografischen Nachweis, dass jede von der KI berührte Änderung der Fallakte die Pflegevalidierung bestanden hat, was gegenüber dem Informationsbeauftragten verteidigbar ist.
Care Membrane Safety MCP-Server
Von MEOK AI Labs — Souveräne KI-Tools für alle.
Toolkit zur Bewertung der KI-Sicherheit für LLM-Anwendungen. Bewerten Sie Texte auf pflegezentrierte Ausrichtung, erkennen Sie Bedrohungen und Jailbreak-Versuche, analysieren Sie die Beziehungsqualität, sagen Sie Burnout-Risiken voraus und zertifizieren Sie KI-Antworten anhand des 16-Punkte-Frameworks der Care Membrane.
Tools
Tool | Beschreibung |
| Bewertung von Texten anhand pflegezentrierter Ausrichtungsprinzipien (0-100) |
| Erkennung von Jailbreak-Versuchen, Prompt-Injection und PII-Extraktion |
| Erkennung von Burnout-Risiken und Ungleichgewichten in der Beziehungsqualität |
| Vorhersage der Beziehungsentwicklung über die nächsten 30 Tage |
| Bewertung von Antworten anhand des 16-Punkte-Frameworks der Care Membrane |
| Auflistung aller 16 Care-Membrane-Prüfpunkte mit Kategorien |
Schnellstart
pip install mcp
git clone https://github.com/CSOAI-ORG/care-membrane-mcp.git
cd care-membrane-mcp
python server.pyZero-Friction-Tools
quick_check
Fügen Sie eine beliebige KI-Antwort ein und erhalten Sie sofort einen Pflege-Score sowie eine Bedrohungserkennung. Kein API-Schlüssel erforderlich.
quick_check(text="I understand your concern and I'm here to help")what_is_care_membrane
Erklärt das 16-Punkte-Framework der Care Membrane. Keine Parameter erforderlich.
what_is_care_membrane()Claude Desktop Konfiguration
{
"mcpServers": {
"care-membrane": {
"command": "python",
"args": ["server.py"],
"cwd": "/path/to/care-membrane-mcp"
}
}
}Preise
Plan | Preis | Anfragen |
Kostenlos | $0/Monat | 50 Anfragen/Tag |
Pro | $9/Monat | Unbegrenzt + Priorität |
Unternehmen | Kontaktieren Sie uns | Benutzerdefiniert + SLA + On-Premise |
Teil von MEOK AI Labs
Dies ist einer von über 255 MCP-Servern von MEOK AI Labs. Durchsuchen Sie alle unter meok.ai oder GitHub.
🏢 Unternehmens- & Pro-Lizenzen
Plan | Preis | Link |
Care Membrane Safety MCP | £9/Monat | |
Compliance Trinity | £79/Monat | |
Full Suite (9 MCPs) | £999/Monat |
Aufgebaut auf Pflegeethik durch CSOAI — dem Council for Safety of AI.
MEOK AI Labs | meok.ai | csoai.org | nicholas@meok.ai
⭐ Unterstützen Sie dieses Projekt
Wenn Sie diesen MCP-Server nützlich finden, geben Sie dem Repository bitte einen Stern und teilen Sie es mit Ihrem Compliance-Team. Jeder Stern hilft uns, mehr Organisationen zu erreichen, die erschwingliche KI-Compliance-Tools benötigen.
Fragen? Öffnen Sie ein Issue oder senden Sie eine E-Mail an nicholas@csoai.org
This server cannot be deployed
Maintenance
Related MCP Connectors
Sentiment, toxicity, entity extraction, PII, translation, summary, QA, fraud scoring, safety audit.
- mcpOAuthai.tuteliq
Detect grooming, bullying, fraud, and 16+ online threats across text, voice, image, and video.
Jailbreak-proof AI guardrails. Automated Reasoning SMT solver, not an LLM. ZK proofs included.
Detect prompt injection, jailbreaks, and code injection in untrusted text before it reaches an LLM.
Related MCP Servers
- FlicenseNot gradedqualityDmaintenanceProvides AI security guardrails through Javelin's platform to detect harmful content, prompt injection attempts, and language policies. Enables comprehensive content safety analysis with trust & safety detection, prompt injection protection, and language identification.1-

Trustwise MCP Serverofficial
AlicenseNot gradedqualityCmaintenanceProvides advanced evaluation tools for assessing AI safety, alignment, and performance of LLM outputs. Enables programmatic evaluation of quality, safety metrics like toxicity and PII detection, and operational metrics including carbon footprint and cost estimation.4Apache 2.0- AlicenseNot gradedqualityAmaintenanceProvides AI-powered child safety tools to detect bullying, grooming, and unsafe content within digital conversations. It enables AI assistants to perform emotional analysis and generate age-appropriate safety action plans or incident reports.1,305 npm3MIT
- AlicenseBqualityDmaintenanceEnables testing AI safety classifier robustness against query decomposition, obfuscation, and multi-agent attacks. Provides tools for full evaluation pipelines, query previews, and status checks.46MIT