Open-Source-Tools für KI-Governance. Jedes Tool funktioniert eigenständig als MCP-Server oder CLI – zusammen bilden sie ein Governance-Netzwerk.
Entwickelt von Maiife — Enterprise AI Control Plane.
Paket | Beschreibung | Veröffentlicht |
| Gemeinsame Typen und Formatierer für alle Toolkit-Pakete | ✅ |
| KI-Umgebungsscanner — entdeckt IDE-Erweiterungen, MCP-Server, Agent-Frameworks, API-Schlüssel, lokale Modelle | ✅ |
| MCP-Server-Sicherheitsscanner — bewertet Konfigurationen hinsichtlich Berechtigungen, Datensensibilität, Wirkungsradius | ✅ |
| "Was ist Ihr KI-Stack?" — teilbare Profilkarte Ihres KI-Toolkits | ✅ |
| MCP-Gesundheitscheck & Auto-Fixer — der "brew doctor" für Ihr MCP-Setup | ✅ |
| Persönliches KI-Nutzungstagebuch — verfolgen Sie Ihre KI-Nutzung und erhalten Sie reflektierende Einblicke | ✅ |
| Toolübergreifende KI-Speichersynchronisierung — eine context.json, synchronisiert mit Cursor, Claude, MCP | ✅ |
| Prompt-Qualitätsanalysator — bewerten, verbessern und prüfen Sie Ihre KI-Prompts | ✅ |
| LLM-as-Judge-Evaluierungs-Engine — bewerten Sie Agenten-Ausgaben mit strukturierten Rubriken | ✅ |
| Agent-Workflow-Tracer — verfolgen, betrachten und analysieren Sie Ausführungsspannen | ✅ |
| KI-Ausgabenrechner + Optimierer — einheitlicher Kostenbericht über Anbieter hinweg | ✅ |
| Gamifizierter Prompt-Coach — Level, Streaks, Abzeichen für Prompt-Verbesserungen | ✅ |
| Persönlicher KI-Abonnement-Prüfer — finden Sie Verschwendung bei Ihren KI-Ausgaben | ✅ |
| Persönlicher Modell-Empfehler — finden Sie das beste Modell für IHRE Aufgaben | ✅ |
| KI-Wochenrückblick — Spotify Wrapped für Ihre KI-Nutzung, wöchentlich | ✅ |
Related MCP server: Mund
# Scan your AI environment
npx @maiife-ai-pub/probe scan
# Audit your MCP server security
npx @maiife-ai-pub/mcp-audit scan
# Generate your AI Stack profile card
npx @maiife-ai-pub/ai-stack --format svg --output my-stack.svg
# Health check your MCP servers
npx @maiife-ai-pub/mcp-doctor check
# Log an AI interaction
npx @maiife-ai-pub/ai-journal log --tool claude --task coding --duration 30
# Sync AI context across tools
npx @maiife-ai-pub/context-sync push
# Score your AI prompts
npx @maiife-ai-pub/prompt-score analyze --input prompt.txt
# Evaluate agent outputs with rubrics
npx @maiife-ai-pub/eval score --rubric code-review --input review.txt
# Trace agent workflows
npx @maiife-ai-pub/trace list --days 7
# Track AI spend across vendors
npx @maiife-ai-pub/cost report --period last-30d
# Gamified prompt coaching
npx @maiife-ai-pub/prompt-craft score --input prompt.txt
# Audit AI subscriptions for waste
npx @maiife-ai-pub/sub-audit
# Find the best model for your tasks
npx @maiife-ai-pub/model-match recommend --task coding
# Generate your AI week in review
npx @maiife-ai-pub/weekly-ai-report generateJedes Tool mit einem MCP-Server kann zu Claude Desktop, Cursor oder jedem MCP-kompatiblen Client hinzugefügt werden. Jedes Tool stellt Funktionen über den stdio-Transport bereit.
~/Library/Application Support/Claude/claude_desktop_config.json (macOS) oder %APPDATA%\Claude\claude_desktop_config.json (Windows):
{
"mcpServers": {
"maiife-probe": {
"command": "npx",
"args": ["@maiife-ai-pub/probe", "mcp"]
},
"maiife-mcp-audit": {
"command": "npx",
"args": ["@maiife-ai-pub/mcp-audit", "mcp"]
},
"maiife-mcp-doctor": {
"command": "npx",
"args": ["@maiife-ai-pub/mcp-doctor", "mcp"]
},
"maiife-eval": {
"command": "npx",
"args": ["@maiife-ai-pub/eval", "mcp"]
},
"maiife-prompt-score": {
"command": "npx",
"args": ["@maiife-ai-pub/prompt-score", "mcp"]
},
"maiife-prompt-craft": {
"command": "npx",
"args": ["@maiife-ai-pub/prompt-craft", "mcp"]
},
"maiife-cost": {
"command": "npx",
"args": ["@maiife-ai-pub/cost", "mcp"]
},
"maiife-model-match": {
"command": "npx",
"args": ["@maiife-ai-pub/model-match", "mcp"]
},
"maiife-ai-stack": {
"command": "npx",
"args": ["@maiife-ai-pub/ai-stack", "mcp"]
},
"maiife-context-sync": {
"command": "npx",
"args": ["@maiife-ai-pub/context-sync", "mcp"]
},
"maiife-sub-audit": {
"command": "npx",
"args": ["@maiife-ai-pub/sub-audit", "mcp"]
},
"maiife-trace": {
"command": "npx",
"args": ["@maiife-ai-pub/trace", "mcp"]
}
}
}Wählen Sie die benötigten Tools aus – Sie müssen nicht alle hinzufügen. Nach der Konfiguration kann Claude Tools wie probe_scan, mcp_audit_scan, eval_score, prompt_score_analyze, cost_report und mehr direkt aus dem Chat aufrufen.
Jeder MCP-Server wird als Docker-Image auf GHCR veröffentlicht. Nützlich für isolierte Umgebungen oder die Glama-Integration.
# Pull and run any server
docker run -i ghcr.io/sakthivelchan89/maiife-probe
docker run -i ghcr.io/sakthivelchan89/maiife-mcp-audit
docker run -i ghcr.io/sakthivelchan89/maiife-eval
# ... same pattern for all 12 packages
# Or build from source
docker build -f packages/probe/Dockerfile -t maiife-probe .
docker run -i maiife-probeDocker-Images verwenden den stdio-Transport (keine Ports freigegeben). Verwenden Sie -i für die interaktive stdin/stdout-Kommunikation mit MCP-Clients.
Dieses Toolkit zielt darauf ab, die Qualitätsstandards von MCP Tier 1 zu erfüllen (gemäß MCP SEP-1730). Das bedeutet:
Dimension | Status |
Lizenz | Apache 2.0 — kanonisch SPDX, OSI-genehmigt |
Transport | nur stdio (keine Netzwerkfreigabe) |
CI/CD | GitHub Actions: Lint + Typ-Prüfung + Tests auf Node 18, 20, 22 |
Testabdeckung | vitest + |
MCP-Konformität | Protokoll-Konformitätssuite für alle 12 MCP-Server |
Sicherheitsscan | CodeQL (wöchentlich + bei PR), Dependabot (wöchentlich) |
Schwachstellenreaktion | 48h KRITISCH / 7d HOCH (siehe DEPENDENCY_POLICY.md) |
Issue-Triage SLA | 2 Werktage (siehe CONTRIBUTING.md) |
Versionierung | SemVer, im Gleichschritt über Pakete hinweg, CHANGELOG.md |
Lieferkette |
|
Container-Sicherheit | Nicht-Root-Benutzer, keine offenen Ports, GHCR-signiert |
Jeder MCP-Server in diesem Repository wird anhand des MCP-Protokollvertrags validiert:
✅ stdio-Transport-Invariante (keine Nicht-JSON-Ausgabe auf stdout)
✅ initialize-Handshake antwortet mit gültigen serverInfo + Fähigkeiten
✅ tools/list gibt den dokumentierten Tool-Satz zurück
✅ Alle inputSchema-Felder der Tools sind gültige JSON-Schema-Objekte
✅ Unbekannte Tool-Aufrufe geben strukturierte Fehler zurück (keine Abstürze)
Führen Sie die Suite aus:
pnpm test:conformance # all packages
cd packages/probe && pnpm test:conformance # single packageSECURITY.md — Richtlinie zur Meldung von Schwachstellen
CONTRIBUTING.md — Richtlinien für Issues/PRs und SLAs
CHANGELOG.md — Versionsverlauf (Keep a Changelog-Format)
DEPENDENCY_POLICY.md — Kriterien für die Abhängigkeitsauswahl & Patch-SLAs
Beiträge sind willkommen! Lesen Sie CONTRIBUTING.md für den vollständigen Leitfaden. Kurzversion:
Forken Sie das Repo auf GitHub
Erstellen Sie einen Branch: git checkout -b feat/my-improvement
Nehmen Sie Ihre Änderungen vor — jedes Paket befindet sich in packages/<name>/
Führen Sie Tests aus: pnpm test && pnpm test:conformance
Öffnen Sie einen PR gegen main — beschreiben Sie, was Sie geändert haben und warum
Bitte folgen Sie dem bestehenden Code-Stil (TypeScript, ESM, Vitest für Tests). Jedes Paket sollte, wo zutreffend, sowohl als CLI als auch als MCP-Server funktionieren.
Apache 2.0 — frei zu verwenden, zu ändern und zu verteilen.
Teil der Maiife Plattform — Enterprise AI Control Plane.
Scan the current environment for AI tools, MCP servers, agent frameworks, API keys, and local models
| Name | Required | Description | Default |
|---|---|---|---|
| path | No | Root path to scan (defaults to current directory) | |
| scope | No | Scan scope: full=everything, quick=IDE+MCP only, category=specific | full |
| categories | No | Comma-separated categories: ide,mcp,agents,keys,models,deps | |
| includeProjectDeps | No | Scan package.json/requirements.txt for AI dependencies |
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
No annotations are provided, so the description must disclose behavioral traits. The word 'Scan' suggests a read operation, but there is no mention of side effects, permissions, safety, or potential impact on the environment. For a tool that scans files and possibly accesses sensitive data (API keys), this is a significant omission.
Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.
Is the description appropriately sized, front-loaded, and free of redundancy?
The description is a single sentence that front-loads the action and key details. Every word contributes to understanding the tool's purpose, with no filler or redundancy.
Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.
Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?
With no output schema and 4 optional parameters, the description fails to cover what the tool returns (e.g., a list of found items, JSON output). The agent lacks information on how to interpret results, which is critical for a scanning tool. Additionally, it does not explain the behavior of different scopes or categories beyond what the schema provides.
Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.
Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?
Schema description coverage is 100%, so the baseline is 3. The description does not add any additional meaning beyond the schema; it simply restates the categories listed in the 'categories' parameter description. No deeper semantics are provided.
Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.
Does the description clearly state what the tool does and how it differs from similar tools?
The description clearly states the action ('Scan') and the specific resources ('AI tools, MCP servers, agent frameworks, API keys, local models'), making it easy for an AI agent to understand the tool's purpose. No sibling tools exist, so differentiation is not required.
Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.
Does the description explain when to use this tool, when not to, or what alternatives exist?
While there are no sibling tools to compare against, the description implies the tool is for enumeration and discovery, which is sufficient. However, it lacks explicit guidance on when to use it (e.g., initial reconnaissance vs. targeted search), leaving some ambiguity.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
probe_scanprobe_scanv0.1.3probe_scanScored across 1 tool
Only one tool exists, so there is no possibility of ambiguity.
With a single tool, naming consistency is not applicable; the name 'probe_scan' is clear and descriptive.
One tool is too few for a toolkit; it feels thin and does not provide a meaningful set of capabilities.
The single scan tool likely misses complementary operations like listing previous scans, filtering, or exporting results, leaving the surface incomplete.
Security scanner for MCP servers. Detect vulnerabilities, prompt injection, and tool poisoning.
Scan any MCP server for tool-poisoning, security, auth & license. Trust score before install.
Find, compare, and audit software for AI agents. Scored registry of tools and MCP servers.
Zero-config MCP security scanner for AI-generated apps. 25K+ vulnerability patterns.