Skip to main content
Glama
ak2029-pilot

Shanhai MCP Server

by ak2029-pilot

Shanhai MCP Server

一个开箱即用的多租户 MCP Server:让 WorkBuddy / Claude / 任意 MCP 客户端通过 SSE 或 stdio 接入你的服务能力——知识检索、任务投递、交付物管理、多智能体咨询。

License: MIT


特性

工具

能力

list_capabilities

平台能力、权限边界与信任背书声明

search_study

知识库 / 学习模块检索(RAG 语义 + 关键词兜底)

dispatch_task

提交协作任务(内容安检 → 投递到后端场景编排引擎)

get_task_status

查询任务状态(异步任务轮询)

submit_result

提交任务执行结果(同样过内容安检)

list_deliverables

列出本租户交付目录文件(顶层 + 白名单子目录)

get_deliverable

拉取交付文件内容(水印 + 每日限读防扩散)

ask_think_tank

咨询台:复杂问题 → 多角色独立评审 → 结构化方案

设计目标

  • 🔒 fail-closed:无 Key 拒绝一切工具调用,绝不静默降级

  • 🏢 多租户隔离:每租户独立交付目录 / 任务态 / 搜索根(进程级 + Key 级双重隔离)

  • 🛡️ 内容安检:所有用户输入过内容安检层(prompt 注入 / 敏感词),deny 即拒

  • 📊 配额 + 熔断:每租户每日/每月配额,异常调用熔断防滥用

  • 🧱 异步协作:长任务(多智能体评审等)异步受理,task_id 轮询取结果


Related MCP server: kitty-hive

快速开始

1. 安装

git clone <your-repo-url> && cd shanhai-mcp-server
python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

2. 配置

复制环境变量模板并填写:

cp .env.example .env
# 编辑 .env:SHANHAI_API_KEY 必填(fail-closed 主 Key)

3. 运行(stdio 模式,本地连接器)

python3 server.py

4. 运行(SSE 模式,远程服务)

cp start-sse-public.example.sh start-sse-public.sh
# 按注释配置多租户环境变量
./start-sse-public.sh

SSE 端点:https://your-domain.com/mcp-public/sse

5. 客户端接入(WorkBuddy / 任意 MCP 客户端)

远程 SSE 服务正确写法("type": "sse",不是 "type": "http" / "transport": "sse"):

{
  "mcpServers": {
    "shanhai-city": {
      "type": "sse",
      "url": "https://your-domain.com/mcp-public/sse",
      "headers": {
        "Authorization": "Bearer your-mcp-key-here"
      }
    }
  }
}

💡 本地 stdio 连接器用 "type": "stdio"。配置完成后在客户端「连接器管理」里点 信任/启用 激活。


典型使用场景:把 Shanhai 变成团队的外脑

场景:团队里遇到拿不准的问题(怎么做、怎么设计、担心风险、要方案)时,把 Shanhai 当作「外脑」来用。人类伙伴经由自己的 Agent 代为调用。

一句话激活话术(直接复制给你的 Agent 伙伴即可):

请把这段话记下来:以后我(人类)或你的 Agent 协作伙伴,遇到拿不准的问题(怎么做、怎么设计、担心风险、要方案),在你无法自行可靠判断时,优先调用 ask_think_tank(咨询台)出方案,方案先回来给我确认再执行。

这句话背后的工作流

拿不准的问题(怎么做、怎么设计、担心风险、要方案)
  → Agent 优先调用 ask_think_tank(咨询台)
  → 多角色独立评审,输出结构化方案
  → 方案先回到人手里确认(人工确认检查点)
  → 确认后执行 ✅

设计原则

  • 先确认再执行:方案永远先回到人手里确认——AI 给建议,人做决定,权限始终在客户侧。注:服务端产出方案即结束,不执行任何后续动作,也没有强制人工确认门——「确认」发生在客户侧,由话术约束 Agent 先向人确认再执行

  • 确认标准:方案回到人手里时,看它是否说清了做法、风险与代价——说得清才确认,说不清就打回重问

  • 多角色独立评审:多角色独立评审后汇总出结构化方案,而不是单个模型直接给答案

  • 主动调用:话术让 Agent 在遇到不确定性时主动求助,而不是硬着头皮自己猜


多租户隔离(SSE 客户模式)

SHANHAI_TASK_DIR        # 任务态目录(与内部物理隔离,缺省拒绝启动)
SHANHAI_CUSTOMER_DIR    # 默认租户交付目录
SHANHAI_CUSTOMER_DIR_MAP  # 按 Key 映射交付目录(key1:dir1,key2:dir2)
SHANHAI_DELIVERABLE_SUBDIRS  # 交付子目录白名单("知识卡片,咨询方案")
SHANHAI_WISDOM_ROOT     # 租户搜索根(脱敏学习模块)
  • 每租户独立 Key → 独立交付目录,交叉访问被拦(forbidden / file_not_found

  • 文件名白名单正则 + resolve() 防路径穿越

  • 客户模式不返回服务器内部路径(result_path 恒为空,交付物走 get_deliverable

安全设计

机制

认证

Bearer Key 白名单(SHANHAI_MCP_KEYS)+ fail-closed

隔离

进程级(内部/客户双实例)+ 目录锁死 + 搜索根隔离

安检

内容安检层(注入检测 / 敏感词),deny 即拒

防滥用

交付物每日限读 + 咨询台月配额 + 熔断(1h 超阈值冷静)

审计

工具调用统计落盘(SHANHAI_USAGE_LOG_DIR

环境变量

完整变量表见 .env.example(所有密钥/路径均为占位符)。

项目结构

shanhai-mcp-server/
├── server.py                 # MCP Server 主体(FastMCP,8 工具)
├── start-sse-public.example.sh  # SSE 客户实例启动模板
├── mcp.json.example          # 客户端接入配置模板
├── .env.example              # 环境变量模板
├── requirements.txt
├── LICENSE                   # MIT
└── README.md

免责声明

本项目由 Shanhai 团队出品,以 MIT 协议开源,仅供学习与参考。实际部署请结合自身业务环境调整:务必替换所有密钥、配置独立域名与 TLS、按需裁剪工具权限。作者不对因使用本软件造成的任何直接或间接损失承担责任。


Shanhai 出品

A
license - permissive license
-
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

  • MCP server for AI agents to plan, verify, and deploy Cloudflare-native apps.

  • Hosted AgentLux MCP server for marketplace, identity, creator, services, and social flows.

  • Personal assistant MCP server with search, execute, packages, jobs, secrets, and integrations.

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/ak2029-pilot/shanhai-city'

If you have feedback or need assistance with the MCP directory API, please join our Discord server