AI Agent With MCP Tools

使用MCP工具和RBAC的AI代理

一个生产就绪的AI代理系统，使用PyCasbin将模型上下文协议（MCP）、LangChain ReAct代理和基于角色的访问控制（RBAC）结合在一起。该应用程序演示了具有企业级权限管理的安全AI代理操作。

概述

此应用程序实现了一个文档管理系统，其中具有不同角色（管理员、编辑、查看器）的用户与AI代理进行交互。代理根据自然语言查询自主选择和执行工具，所有操作都受RBAC策略的保护。

主要特点

• MCP协议：HTTP+服务器发送事件（SSE），实现高效通信
• RBAC控制：基于PyCasbin的权限管理
• LangChain集成：使用OpenAI GPT-4o重新激活代理
• 企业用户界面：使用React和TailwindCSS构建的现代、干净的界面
• 实时更新：实时文档管理和权限执行
• 安全：具有日志记录和审计跟踪的多层防御

系统架构

Graph Diagram

User Interface (React)
         ↓
   API Server (FastAPI)
         ↓
LangChain ReAct Agent (GPT-4o)
         ↓
   MCP Client (HTTP + SSE)
         ↓
   MCP Server (FastAPI)
         ↓
  RBAC Manager (PyCasbin) + Document Storage

角色许可

默认用户

• 爱丽丝 （管理员）：完全访问所有操作
• 鲍勃 （编辑）：可以创建、阅读和更新文档
• 查理 （查看器）：只读访问

安装

1.克隆和设置环境

git clone https://github.com/AIAnytime/AI-Agent-with-MCP-Tools.git
cd AI-Agent-with-MCP-Tools
cd backend
activate .venv

2.安装Python依赖项

pip install -r requirements.txt

3.配置环境变量

这 .env 文件应包含：

OPENAI_API_KEY=your_openai_api_key_here

4.安装前端依赖项

cd frontend
npm install
cd ..

运行应用程序

选项1：一次启动所有服务（推荐）

chmod +x start_all.sh
./start_all.sh

这将开始：

• MCP服务器已打开 http://localhost:8765
• 上的API服务器 http://localhost:8000
• 前端打开 http://localhost:3000

用法

1. 打开应用程序 在 http://localhost:3000

1. 选择用户 从用户选择器（alice、bob或charlie）

1. 与AI代理聊天 使用自然语言：

- 创建一个名为“项目计划”的文档，内容为“第四季度项目计划” - “列出所有文档” - “阅读文档‘项目计划’” - 用新内容更新文档“项目计划” - 删除文档“项目计划” - “检查我的权限”

1. 查看文档 在“文档”选项卡中查看所有创建的文档

1. 检查权限 在“权限”选项卡中查看RBAC矩阵

1. 了解系统 在“系统体系结构”选项卡中

示例演示

管理员用户（alice）-完全访问权限

Query: "Create a document called 'quarterly-report' with content 'Q4 2024 Report'"
Result: ✅ Document created successfully

Query: "Delete the document 'quarterly-report'"
Result: ✅ Document deleted successfully

编辑用户（bob）-无删除权限

Query: "Create a document called 'meeting-notes' with content 'Team Meeting Notes'"
Result: ✅ Document created successfully

Query: "Delete the document 'meeting-notes'"
Result: ❌ Permission denied: Editor role cannot delete documents

查看器用户（charlie）-只读

Query: "Read the document 'meeting-notes'"
Result: ✅ Document content displayed

Query: "Update document 'meeting-notes' with 'Updated Notes'"
Result: ❌ Permission denied: Viewer role cannot update documents

项目结构

mcp-rbac-app/
├── backend/
│   ├── api/
│   │   └── main.py              # FastAPI backend for frontend
│   ├── agent/
│   │   └── langchain_agent.py   # LangChain ReAct Agent
│   ├── mcp/
│   │   ├── mcp_server.py        # MCP HTTP Server
│   │   ├── mcp_client.py        # MCP Client
│   │   └── document_tools.py    # Document CRUD tools
│   ├── rbac/
│   │   ├── model.conf           # Casbin RBAC model
│   │   ├── policy.csv           # Casbin policies
│   │   └── rbac_manager.py      # RBAC enforcement
│   └── storage/
│       └── document_storage.py  # Document persistence
├── frontend/
│   ├── src/
│   │   ├── components/          # React components
│   │   ├── api/                 # API client
│   │   ├── App.jsx              # Main app component
│   │   └── main.jsx             # Entry point
│   ├── package.json
│   └── vite.config.js
├── data/
│   └── documents/               # Document storage (auto-created)
├── .env                         # Environment variables
├── requirements.txt             # Python dependencies
├── start_all.sh                 # Start all services
└── README.md                    # This file

重新激活代理流

LangChain ReAct Agent遵循以下推理循环：

1. 问题：接收用户的自然语言查询
2. 思想：分析需要采取什么行动
3. 动作选择：选择合适的MCP工具
4. 动作输入：为工具执行准备参数
5. 工具执行：MCP服务器执行RBAC检查
6. 观察：接收并分析结果
7. 任务完成？：确定目标是否实现或继续循环
8. 最终答案：将结果返回给用户

安全功能

1.最小特权原则

每个角色只有最低限度的必要权限。

2.默认拒绝

除非策略中明确允许，否则所有操作都将被拒绝。

3.操作日志

所有权限检查和操作都会被记录下来以供审计。

4.执行前验证

在执行任何工具之前，都会验证权限。

API终点

MCP服务器（端口8765）

• GET / -健康检查
• GET /tools/list -列出可用工具
• POST /tools/call -执行工具（返回task_id）
• GET /stream/{task_id} -用于工具执行的SSE流

API服务器（端口8000）

• GET / -健康检查
• GET /users -获取所有用户和角色
• GET /permissions/{role} -获取角色的权限
• GET /documents -列出所有文件
• POST /agent/query -向AI代理发送查询

许可证

本项目是为教育和演示目的而创建的，具有麻省理工学院许可证。