MCP-Gatekeeper
🛡️ MCP-Gatekeeper
Шлюз безопасности времени выполнения и FastMCP-сервер для клиентов Model Context Protocol (MCP) и вышестоящих серверов.
MCP-Gatekeeper — это прокси-сервер с многоуровневой защитой и FastMCP-сервер, который проверяет 100% обновлений списка инструментов и ответов инструментов, предотвращая отравление инструментов, внедрение промптов через ответы (например, атаки MCPoison / CurXecute), скрытую модификацию схемы инструментов («rug pulls») и несанкционированные операции высокого риска.
Разработан для мгновенного развертывания на fastmcp.cloud или локального запуска через CLI fastmcp.
🚀 Ключевые функции и возможности
Готовность к FastMCP Cloud: Однофайловая точка входа FastMCP (
server.py), развертываемая напрямую на fastmcp.cloud с транспортом SSE и HTTP.Защита схемы от «rug pull»: Базовый снимок схемы инструментов при подключении; сравнение 100% обновлений списка инструментов с утвержденными базовыми снимками и блокировка несанкционированных изменений инструментов по умолчанию.
Двухэтапный сканер внедрения в ответах:
Этап 1: Высокопроизводительный префильтр на основе правил, нацеленный на известные перехваты инструкций, ловушки эксфильтрации и внедрение shell-команд.
Этап 2: Глубокая семантическая классификация с помощью LLM с использованием любого API, совместимого с OpenAI (
LLM_API_KEYиз.env, поддерживаются OpenAI, Grok, DeepSeek, Anthropic или локальный Ollama).
Безопасная архитектура с отказом по умолчанию (fail-closed): Любой сбой классификатора, тайм-аут сети или необработанное исключение по умолчанию приводит к блокировке полезной нагрузки и созданию инцидента безопасности.
Механизм политик: Настраиваемая оценка правил для каждого инструмента и сервера (
allow,block,confirm,rate_limit).Шлюз подтверждения человеком: Удерживает действия высокого риска до одобрения администратором; при отсутствии ответа в течение настраиваемого тайм-аута отклоняет (fail-closed).
Защищенный от вмешательства журнал аудита: Каждый вызов, ответ, вердикт политики и решение администратора сохраняются с SHA-256 хеш-цепочкой.
Панель управления облачного контрольного центра: Живая HTML-панель администратора, обслуживаемая напрямую через FastMCP по адресу
/dashboard.
Related MCP server: guardrails-mcp-server
🛠️ Обзор архитектуры
Высокоуровневая системная архитектура
flowchart TD
subgraph Clients["AI Clients & Interfaces"]
C1["Claude Desktop"]
C2["Claude Code CLI"]
C3["Google Antigravity"]
C4["ChatGPT / Custom App"]
end
subgraph Gateway["🛡️ MCP-Gatekeeper (FastMCP Cloud)"]
direction TB
S["FastMCP Server\nserver.py"]
subgraph Engine["Security & Policy Engines"]
B["Schema Baseline Manager\n(Rug-Pull Detector)"]
POL["Policy Engine\n(Allow/Block/Confirm/Rate-Limit)"]
CONF["Confirmation Manager\n(Human Approval Gate)"]
subgraph Classifier["Two-Stage Response Classifier"]
R1["Stage 1: Rule Prefilter\n(Fast Pattern Match)"]
R2["Stage 2: LLM Classifier\n(OpenAI / Grok / DeepSeek / Ollama)"]
end
end
UI["Admin Control Center UI\n/dashboard"]
end
subgraph External["Upstream Services & AI APIs"]
UP["Upstream MCP Servers\n(GitHub, SQL, Web Search, APIs)"]
LLM["LLM Classifier API\n(OpenAI / Grok / DeepSeek / Ollama)"]
end
subgraph Storage["Datastore & Audit"]
DB[("PostgreSQL / SQLite DB")]
AUDIT[("Tamper-Evident Audit Log\n(SHA-256 Hash Chained)")]
end
Clients -->|MCP SSE / stdio / JSON-RPC| S
S --> B
S --> POL
POL -->|Held Action| CONF
POL -->|Allowed| UP
UP -->|Tool Response| Classifier
Classifier --> R1
R1 -->|Ambiguous / Suspicious| R2
R2 -->|API Query| LLM
Classifier -->|Clean / Safe| Clients
Classifier -->|Malicious / Timeout| Block["Fail-Closed Block Response"]
UI -->|Manage Policies & Baselines| DB
Engine -->|Record Calls & Incidents| DB
Engine -->|Write Chain Record| AUDITДетальный поток выполнения и конвейер безопасности
sequenceDiagram
autonumber
actor Client as AI Agent Client
participant FastMCP as FastMCP Server (server.py)
participant Base as Schema Baseline Manager
participant Policy as Policy Engine
participant Gate as Human Confirmation Gate
participant Admin as Admin Dashboard (/dashboard)
participant Upstream as Upstream MCP Server
participant Stage1 as Stage 1: Rule Prefilter
participant Stage2 as Stage 2: LLM Classifier
participant Audit as SHA-256 Audit Log
Client->>FastMCP: 1. Request check_tool_security (tool_name, payload)
FastMCP->>Base: 2. Check tool baseline schema status
alt Schema modified or unapproved (Rug-Pull)
Base-->>FastMCP: Flagged schema mismatch
FastMCP->>Audit: Log Rug-Pull Incident
FastMCP-->>Client: Return Error: Tool schema unapproved
else Approved Baseline
Base-->>FastMCP: Baseline OK
end
FastMCP->>Policy: 3. Evaluate Call Policy
alt Policy = Blocked / Rate-Limited
Policy-->>FastMCP: Action Blocked
FastMCP-->>Client: Return Error: Blocked by security policy
else Policy = Held for Confirmation
Policy->>Gate: 4. Create Pending Approval Request
Gate->>Admin: Notify Admin on Dashboard
Admin->>Gate: 5. Admin Approves / Denies (or Timeout)
alt Denied or Timed Out (Fail-Closed)
Gate-->>FastMCP: Action Denied
FastMCP-->>Client: Return Error: High-risk action denied
else Approved
Gate-->>FastMCP: Action Approved
end
end
FastMCP->>Stage1: 6. Scan Response (Stage 1 Rule Prefilter)
alt Stage 1 Matches Known Attack Vector
Stage1-->>FastMCP: Verdict: Malicious
FastMCP->>Audit: Record Security Incident & Audit Log
FastMCP-->>Client: Return Safe Error: Response blocked
else Stage 1 Suspicious / Ambiguous
FastMCP->>Stage2: 7. Escalate to Stage 2 LLM Classifier
Stage2-->>FastMCP: Verdict & Reason (or Fail-Closed on Error)
alt Verdict = Malicious / Error
FastMCP->>Audit: Record Security Incident & Audit Log
FastMCP-->>Client: Return Safe Error: Response blocked
else Verdict = Clean
FastMCP->>Audit: Write Hash-Chained Audit Entry
FastMCP-->>Client: 8. Return Verified Clean Response
end
else Stage 1 Clean
FastMCP->>Audit: Write Hash-Chained Audit Entry
FastMCP-->>Client: 8. Return Verified Clean Response
end🔑 Конфигурация окружения (.env)
Шлюз считывает общую конфигурацию LLM-окружения из .env:
# LLM Security Classifier API Key (Supports OpenAI, DeepSeek, Grok, Ollama)
LLM_API_KEY="your-llm-api-key-here"
LLM_API_URL="https://api.openai.com/v1/chat/completions" # or https://api.x.ai/v1/chat/completions, https://api.deepseek.com/v1/chat/completions
LLM_MODEL="gpt-4o-mini" # or grok-2-latest, deepseek-chat, llama3, etc.
ADMIN_API_KEY="trust-gateway-admin-key-secret"
DATABASE_URL="sqlite+aiosqlite:///mcp_trust_gateway.db"
FAIL_CLOSED=true
CLASSIFIER_TIMEOUT_SECONDS=3.0
CONFIRMATION_TIMEOUT_SECONDS=60☁️ Развертывание и интеграция с клиентами
1. Развертывание в FastMCP Cloud
Отправьте этот репозиторий на GitHub.
Перейдите на fastmcp.cloud и создайте новый сервер:
Точка входа:
server.pyПеременная окружения:
LLM_API_KEY=your-api-key-here
Нажмите Deploy. FastMCP Cloud предоставит ваши конечные точки:
MCP SSE-сервер:
https://mcp.fastmcp.cloud/your-username/mcp-trust-gateway/sseПанель администратора:
https://mcp.fastmcp.cloud/your-username/mcp-trust-gateway/dashboard
2. Конфигурации клиентов
🤖 Google Antigravity и Claude Desktop (mcp_config.json)
{
"mcpServers": {
"mcp-trust-gateway": {
"url": "https://mcp.fastmcp.cloud/your-username/mcp-trust-gateway/sse"
}
}
}💻 Claude Code (CLI)
claude mcp add mcp-trust-gateway --transport sse \
https://mcp.fastmcp.cloud/your-username/mcp-trust-gateway/sse🧪 Тестирование и набор состязательных регрессионных тестов
Запустите полный набор pytest, включая набор состязательных регрессионных тестов:
pytest -vДостигнутые показатели
📊 Доля обнаружения состязательных атак: 100% (Цель: ≥95%)
📊 Доля ложных срабатываний: 0% (Цель: <2%)
📝 Проектные решения
Отказ по умолчанию (Fail-Closed): Все неоднозначные ответы, тайм-ауты классификатора, сетевые проблемы или несанкционированные модификации схемы приводят к отказу (блокировка действия и оповещение администраторов).
Редактирование учетных данных: Секреты, API-токены и пароли, соответствующие чувствительным ключам, автоматически редактируются перед сохранением в хранилище аудита.
Быстрый фильтр Этапа 1 + эскалация к LLM: Известные вредоносные шаблоны перехватываются немедленно на Этапе 1, что устраняет задержку и накладные расходы API для очевидных атак, при этом LLM используется для сложного семантического анализа.
Защищенная от вмешательства хеш-цепочка: Каждая запись журнала вычисляет
SHA256(actor | action | target | details | prev_hash | timestamp), обеспечивая неотказуемость и обнаружение подделки журналов.
This server cannot be installed
Maintenance
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
- AlicenseNot gradedqualityAmaintenanceSecurity gateway for MCP tool calls. Sits between your LLM client and MCP servers, enforcing per-tool policies (allow/block/approve/read-only), logging every call, and pausing dangerous operations for human approval in terminal or Slack.21MIT
- AlicenseNot gradedqualityCmaintenanceMCP server for AI agent security guardrails. Provides input validation, prompt injection detection, PII redaction, output filtering, policy enforcement, rate limiting, and comprehensive audit logging.451MIT
- AlicenseNot gradedqualityAmaintenanceA zero-trust security gateway for MCP tool calls, inspecting tool identity, arguments, execution decisions, and returned content before risk reaches your coding agent.Apache 2.0
- AlicenseNot gradedqualityDmaintenanceA defensive gateway and firewall for AI agents using MCP servers, scanning tool calls, responses, and manifests for prompt injection, secrets, dangerous commands, and drift before allowing execution.MIT
Related MCP Connectors
Security firewall for AI agents — scans MCP calls for injection, secrets, and risks.
Security scanner for MCP servers. Detect vulnerabilities, prompt injection, and tool poisoning.
Scans MCP servers for tool poisoning, prompt injection and supply chain risks.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
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/sudo-hrmn/MCP-Gatekeeper'
If you have feedback or need assistance with the MCP directory API, please join our Discord server