오픈 소스 AI 거버넌스 도구입니다. 각 도구는 MCP 서버나 CLI로 독립적으로 작동하며, 함께 사용하면 거버넌스 메시(governance mesh)를 형성합니다.
Maiife — 엔터프라이즈 AI 제어 평면(Enterprise AI Control Plane)에서 제작했습니다.
패키지 | 설명 | 게시됨 |
| 모든 툴킷 패키지에서 사용하는 공유 타입 및 포맷터 | ✅ |
| AI 환경 스캐너 — IDE 확장 프로그램, MCP 서버, 에이전트 프레임워크, API 키, 로컬 모델 검색 | ✅ |
| MCP 서버 보안 스캐너 — 권한, 데이터 민감도, 영향 범위에 대한 설정 점수 산정 | ✅ |
| "당신의 AI 스택은 무엇인가요?" — AI 툴킷의 공유 가능한 프로필 카드 | ✅ |
| MCP 상태 점검 및 자동 수정 — MCP 설정을 위한 brew doctor | ✅ |
| 개인 AI 사용 일지 — AI 사용 방식을 추적하고 성찰적인 통찰력 제공 | ✅ |
| 도구 간 AI 메모리 동기화 — 하나의 context.json으로 Cursor, Claude, MCP에 동기화 | ✅ |
| 프롬프트 품질 분석기 — AI 프롬프트 점수 산정, 개선 및 린트(lint) | ✅ |
| LLM-as-judge 평가 엔진 — 구조화된 루브릭으로 에이전트 출력 점수 산정 | ✅ |
| 에이전트 워크플로우 추적기 — 실행 스팬(span) 추적, 보기 및 분석 | ✅ |
| AI 비용 계산기 + 최적화 도구 — 공급업체 전반의 통합 비용 보고서 | ✅ |
| 게임화된 프롬프트 코치 — 프롬프트 개선을 위한 레벨, 연속 기록, 배지 | ✅ |
| 개인 AI 구독 감사 도구 — AI 지출의 낭비 요소 발견 | ✅ |
| 개인 모델 추천 도구 — 사용자의 작업에 가장 적합한 모델 찾기 | ✅ |
| 주간 AI 리뷰 — 매주 제공되는 AI 사용량에 대한 Spotify Wrapped 스타일 보고서 | ✅ |
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 generateMCP 서버가 있는 모든 도구는 Claude Desktop, Cursor 또는 MCP 호환 클라이언트에 추가할 수 있습니다. 각 도구는 stdio 전송을 통해 도구를 노출합니다.
~/Library/Application Support/Claude/claude_desktop_config.json (macOS) 또는 %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"]
}
}
}필요한 도구만 선택하세요. 모든 도구를 추가할 필요는 없습니다. 설정이 완료되면 Claude는 채팅에서 직접 probe_scan, mcp_audit_scan, eval_score, prompt_score_analyze, cost_report 등의 도구를 호출할 수 있습니다.
각 MCP 서버는 GHCR에 Docker 이미지로 게시됩니다. 샌드박스 환경이나 Glama 통합에 유용합니다.
# 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 이미지는 stdio 전송을 사용합니다(포트 노출 없음). MCP 클라이언트와의 대화형 stdin/stdout 통신을 위해 -i를 전달하세요.
이 툴킷은 MCP Tier 1 품질 표준(MCP SEP-1730 기준)을 충족하는 것을 목표로 합니다. 의미는 다음과 같습니다:
차원 | 상태 |
라이선스 | Apache 2.0 — 표준 SPDX, OSI 승인 |
전송 | stdio 전용 (네트워크 노출 없음) |
CI/CD | GitHub Actions: Node 18, 20, 22에서 린트 + 타입 체크 + 테스트 |
테스트 커버리지 | vitest + |
MCP 준수 | 12개 모든 MCP 서버에 대한 프로토콜 준수 제품군 |
보안 스캔 | CodeQL (매주 + PR 시), Dependabot (매주) |
취약점 대응 | CRITICAL 48시간 / HIGH 7일 (DEPENDENCY_POLICY.md 참조) |
이슈 처리 SLA | 영업일 기준 2일 (CONTRIBUTING.md 참조) |
버전 관리 | SemVer, 패키지 간 락스텝(lockstep), CHANGELOG.md |
공급망 |
|
컨테이너 보안 | 비루트(Non-root) 사용자, 노출된 포트 없음, GHCR 서명됨 |
이 저장소의 모든 MCP 서버는 MCP 프로토콜 계약에 따라 검증됩니다:
✅ stdio 전송 불변성 (stdout에 JSON이 아닌 출력 없음)
✅ initialize 핸드셰이크가 유효한 serverInfo + 기능으로 응답
✅ tools/list가 문서화된 도구 세트를 반환
✅ 모든 도구 inputSchema 필드가 유효한 JSON Schema 객체임
✅ 알 수 없는 도구 호출 시 구조화된 오류 반환 (충돌하지 않음)
제품군 실행:
pnpm test:conformance # all packages
cd packages/probe && pnpm test:conformance # single packageSECURITY.md — 취약점 보고 정책
CONTRIBUTING.md — 이슈/PR 가이드라인 및 SLA
CHANGELOG.md — 버전 기록 (Keep a Changelog 형식)
DEPENDENCY_POLICY.md — 종속성 선택 기준 및 패치 SLA
기여를 환영합니다! 전체 가이드는 CONTRIBUTING.md를 읽어보세요. 요약 버전:
GitHub에서 저장소를 포크(Fork) 하세요.
브랜치 생성: git checkout -b feat/my-improvement
변경 사항 적용 — 각 패키지는 packages/<name>/에 위치합니다.
테스트 실행: pnpm test && pnpm test:conformance
main 브랜치로 PR을 오픈하세요 — 변경 내용과 이유를 설명해주세요.
기존 코드 스타일(TypeScript, ESM, 테스트용 Vitest)을 따라주세요. 각 패키지는 가능한 경우 CLI와 MCP 서버로 모두 작동해야 합니다.
Apache 2.0 — 자유롭게 사용, 수정 및 배포 가능합니다.
Maiife 플랫폼의 일부 — 엔터프라이즈 AI 제어 평면(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.