快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

命令预览

python3 -m venv venv

详细介绍

欺诈检测多智能体系统

一个以本地优先的欺诈检测系统，利用Claude 4.5 Sonnet进行代理编排，并采用AutoGluon进行生产级机器学习。

概述

该项目实现了一个监督者-工作者多智能体模式，用于实时欺诈检测。系统完全本地运行（不使用云机器学习服务），仅使用Claude的API进行智能体推理，而所有数据处理均在本地进行。

主要特点：

多智能体协同调度与工具调用
在Docker中使用AutoGluon/XGBoost进行机器学习生产
实时欺诈评分（\<100毫秒推理时间）
代理记忆以实现上下文持久性
使用WebSocket流的技术演示用户界面

快速入门

# Clone repository
git clone https://github.com/vAirpower/fraud-detection-multi-agent-system.git
cd fraud-detection-multi-agent-system

# Setup
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

# Configure
cp .env.template .env
# Edit .env and add your Anthropic API key

# Build ML container
docker build -t autogluon-trainer -f Dockerfile.autogluon .

# Generate dataset
python generate_fraud_data.py

# Run demo
python demo_server.py
# Open http://localhost:8000

建筑

Supervisor Agent (Claude 4.5 Sonnet)
├── ML Training Worker (AutoGluon + Docker)
├── Fraud Detection Worker (XGBoost inference)
├── Memory System (conversation context)
└── MCP S3 Server (data access layer)

监督代理利用Claude 4.5 Sonnet的工具调用功能来协调专业工作者。机器学习操作在运行Python 3.11的Docker容器中进行，而编排则使用Python 3.13+，从而消除了依赖冲突。

组件

代理系统 （fraud_detection_agent.py）

带工具编排功能的监控代理
自然语言接口
多步推理

机器学习流水线 (train_model.py， tools/ml_trainer.py）

在Docker中使用AutoGluon进行训练
XGBoost二分类器
ROC-AUC优化

欺诈检测器 (predict_fraud.py， tools/fraud_detector.py)

实时交易评分
风险因素识别
五级风险分类

演示界面 (demo_server.py， demo_interface.html)

FastAPI + WebSocket 服务器
6面板实时用户界面
实时工具执行监控

使用方法

CLI 模式

python interactive.py

网页演示

python demo_server.py

程序化的（或按程序的）

from fraud_detection_agent import run_agent

response = run_agent("Train model using ./data/fraud_train.csv")
response = run_agent("Analyze: $9500 jewelry purchase overseas at 3am")

要求

Python 3.11+（建议使用 3.13 版本进行编排）
Docker Desktop（桌面版）
Anthropic API密钥
macOS 或 Linux

文档

发展

# Install dev dependencies
pip install -r requirements.txt

# Run tests
python fraud_detection_agent.py

# Build Docker image
docker build -t autogluon-trainer -f Dockerfile.autogluon .

演出

培训3-5分钟（40,000笔交易）
推理每笔交易小于100毫秒
准确性ROC-AUC ~0.90+
吞吐量100+ TPS（单实例）

许可证

MIT 许可证 - 请参阅 LICENSE 文件

贡献；做出贡献

见 CONTRIBUTING.md 翻译为中文是：“贡献指南文件”或“贡献说明文件”。这个文件通常用于说明如何向某个项目或组织做出贡献，包括贡献的流程、规范、期望等作为开发指南。

安全

所有API密钥在 .env （已添加到.gitignore）
本地处理（不使用云端机器学习）
针对机器学习工作负载的Docker隔离
没有硬编码的凭据

项目结构

├── fraud_detection_agent.py    # Main supervisor agent
├── tools/                       # Worker tools
│   ├── ml_trainer.py           # Training worker
│   └── fraud_detector.py       # Detection worker
├── train_model.py              # AutoGluon script (Docker)
├── predict_fraud.py            # Prediction script (Docker)
├── demo_server.py              # Demo web server
├── demo_interface.html         # Web UI
├── generate_fraud_data.py      # Dataset generator
├── interactive.py              # CLI interface
├── mcp_s3_server.py           # MCP data server
├── docs/                       # Documentation
├── Dockerfile.autogluon       # ML container
└── requirements.txt           # Dependencies

致谢

构建于：

Anthropic Claude（注：此处“Anthropic”为公司名，通常不直接翻译，保留原样；“Claude”为该公司开发的AI模型名，同样保留原样） - 代理编排
AutoGluon - 机器学习框架
模型上下文协议 - 工具集成
FastAPI（快速API） - 网络框架

目录标签

机器学习PythonClaude欺诈检测本地部署多代理系统实时处理

支持客户端

Claude

接入字段

传输方式（transport，传输协议）

stdio

鉴权方式（authType，认证方式）

api-key

运行时（runtime，运行环境）

Python

工具数量（toolCount，工具数）

0

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

stdioapi-key部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

来源信息

MCP World

mcpworld.com

/detail/9304f9222066a5dd2ef0bcfb2b3521cf

一个本地优先的欺诈检测系统，利用Claude 4.5 Sonnet进行代理编排，使用AutoGluon进行生产级机器学习。

继续浏览同类 MCP

更多AI代理 MCP（18,706）返回 MCP 目录

上一个 MCP

Frappe MCP Ui

一个基于Frappe/ERPNext系统的AI业务自动化引擎，通过Web聊天或Telegram执行实际业务流程，包括文档链处理、批量记录创建、数据分析和工作流管理。

下一个 MCP

Fraudlabs Pro Sms Verification

MCP服务器是一个基于OpenAPI URL自动生成的模型上下文协议服务器，用于处理API请求和响应。

Fraud Detection Multi Agent System