Eu AI Act MCP

欧盟人工智能法案合规表格生成器MCP服务器

\[！注意\] 立即尝试——暂时离线 托管演示暂时脱机。看 服务器安装程序 下面是在本地运行它。

此自定义MCP服务器可自动生成通用AI模型的EU AI法案合规文档（第53条技术文档）。它直接从Hugging Face模型卡中提取元数据，以生成完整的 .docx 合规表，遵循此处所述的通用人工智能行为准则：https://digital-strategy.ec.europa.eu/en/policies/contents-code-gpai

EU AI Act Compliance Form Builder Demo

\[！提示\] 最佳实践：\ 当要求AI生成文档时，请提供 完整的拥抱脸部模型ID （例如。， meta-llama/Llama-3.2-1B)而不是像“Llama”这样的通用名称。这确保了该工具获取正确的元数据。

特性

• 获取模型卡：从拥抱脸模型卡中提取元数据。
• 代理检索：主动发现技术文档（Arxiv、GitHub PDF、Repo Files），并有选择地获取它们以填补已识别的数据空白。
• 来源引文报告（PDF）：生成一份配套审计报告，显示每个合规答案的确切来源、引用和置信水平。
• 幻觉检测：根据来源自动审核答案，在PDF中用粗体红色视觉警告标记捏造的声明。
• 生成合规文档：生成可下载的 .docx 使用欧盟官方模板的文件。
• 情境感知：通过以下方式执行严格的调查协议 context.md.
• 全面覆盖：确保所有80多个合规问题都得到解决或记录为缺失。

运作原理

1. 发现：Claude取出模型卡，识别所有链接的论文、技术报告和存储库文件。
2. 差距分析：Claude将提取的卡与80+合规要求进行比较，以识别缺失的信息。
3. 目标提取：Claude主动获取并解析特定文档（例如arXiv论文）以填补已识别的空白。
4. 自我审计：克劳德根据所有收集到的来源重新验证其答案，分配置信水平（直接、推断等）并标记幻觉。
5. 生成：服务器生成两个核心交付成果：

- DOCX 文件：官方合规文件。 - PDF：一份追踪每个答案来源的来源引用报告。

如何使用

1. 添加自定义连接器：（请参阅上面的“立即尝试”提示或下面的服务器设置）。
2. 开始新聊天：用克劳德开启新的对话。
3. 问克劳德：“为meta llama/llama-3.2-1B建立欧盟人工智能法案合规表”
4. 批准工具：您可能需要在单个工具调用运行时进行批准。
5. 下载：Claude将提供一条任务完成消息，其中包含生成的下载链接 .docx 文件。

\[！重要\] 免责声明：\ 该工具使用AI生成合规文档。 您必须检查所有输出的准确性 在将其提交给欧盟人工智能办公室或任何监管机构之前。此工具仅用于协助，不构成法律建议。

先决条件

• Python 3.10+
• uv 或 pip

安装

# If using uv (recommended)
uv sync

# Or with pip
pip install -r requirements.txt

服务器安装程序

2.联系Ngrok（为Claude.ai）

打开一个新终端并暴露服务器：

ngrok http 8000

复制 server_config.json.sample 到 server_config.json 并使用您的URL进行更新：

cp server_config.json.sample server_config.json

{
  "public_url": "https://your-ngrok-url.ngrok-free.app"
}

1.本地克劳德桌面（Stdio）

要在本地将此服务器与Claude Desktop应用程序一起使用：

1. 打开您的Claude Desktop配置（通常 ~/Library/Application Support/Claude/claude_desktop_config.json).
2. 添加：

   {
     "mcpServers": {
       "eu-compliance": {
         "command": "/path/to/.venv/bin/fastmcp",
         "args": ["run", "/path/to/server.py"]
       }
     }
   }

3.铁路部署（云）

此项目已准备好在Railway上进行一键部署。

1. 推送到GitHub：创建一个存储库并推送此代码。
2. 铁路进口：从GitHub仓库创建一个新项目。
3. 自动构建：铁路将检测 Procfile 和 requirements.txt.
4. 配置启动命令:

- 首选 设置 > 部署 > 开始命令. - 将其设置为： python run_http_server.py - （这是启用自定义CORS修复所必需的）。

1. 公共URL：转到设置->网络->生成域。
2. 连接：您的MCP URL将是 https://.up.railway.app/mcp.
3. 持久性（可选但推荐）:

- 创建一个 体积 在铁路。 - 将其安装到 /app/generated_docs. - 添加环境变量： RAILWAY_VOLUME_MOUNT_PATH=/app/generated_docs. - 这可确保您生成的DOCX和PDF文件在重新启动后仍然存在。

故障排除

“方法不允许”或“未找到”日志

您可能会看到以下日志：

• POST /sse 405 Method Not Allowed
• GET /.well-known/... 404 Not Found

这些都是正常的。 客户端经常探测OAuth端点（我们不使用），或在重试期间尝试POST到流URL。只要你看到 GET /sse 200 OK，连接处于活动状态。

“运行时错误：预期的ASGI消息…”

如果你看到a RuntimeError 关于 http.response.start 在控制台中，这通常意味着客户端突然断开连接（例如，您刷新了页面或关闭了Claude）。服务器试图写入已关闭的连接。这是无害的，可以忽略不计。

文件

• server.py：主要入口点。
• questions.json：所有50多个合规问题的定义。
• context.md：在此处添加您对LLM的具体说明。
• MAPPING_GUIDE.md：要在Word模板中使用的占位符列表。
• templates/：放置您的 .dotx 模板在这里。