补救与合规MCP服务器
生产就绪版 |版本2.0
此存储库包含 等级 实施a 补救与合规模型上下文协议（MCP） 服务器。 它提供了一个 飞行前/飞行后防火墙 对于具有全面检测、分类、策略执行的LLM呼叫， 可逆编校、选择性去标记、输出安全和不可变审计日志。
✨ 特性
🎯 核心能力
- 🔄 流媒体支持：OpenAI、Claude和Gemini的实时流媒体，逐块去标记
- 🛡️ 索赔验证：基于研究的幻觉检测，带有内联警告（支持本地模型）
- 🚀 透明代理：零代码集成-只需更改API基础URL
- 📊 等级：NGINX、HTTPS、SIEM集成、Redis后端、systemd服务
🔍 超前预报
- 多云凭据：AWS（AKID，机密）、Azure（存储密钥、SAS令牌、连接字符串）、GCP（API密钥、OAuth）
- OAuth和承载令牌：JWT检测、OAuth访问令牌
- 加密密钥：PEM（RSA、DSA、EC）、PKCS#12、Kubernetes配置/令牌
- PII验证:
- 信用卡 Luhn校验和验证 - SSN与 格式验证 （拒绝无效的区号000、666、900-999） - 电子邮件地址和电话号码
- 内部基础设施：Joby航空领域(
*.na.joby.aero,*.az.joby.aero)、IP地址、主机名 - 出口管制：航空关键词（eVTOL、ITAR、FAA认证、飞行控制系统、推进）
🛡️ 策略引擎
- 地理/区域限制：美国、欧盟、亚太地区、限制地区（CN、RU、IR、KP、SY）
- 基于呼叫者的路由：受信任的呼叫者列表，每个呼叫者的去标记权限
- 数据驻留：欧盟GDPR合规性，区域特定模型路由
- 类别操作:
block,redact,internal_only,allow - 版本跟踪：所有决策中都嵌入了政策版本
🔐 代币商店
- 在存储器中：快速、无状态、用于开发/测试
- 带AES-GCM的Redis：生产级，静态加密
- AES-256-GCM加密 - PBKDF2密钥推导 - 自动TTL管理
- 确定性占位符:
«token:TYPE:HASH4»在对话范围内稳定
⚠️ 输出安全
- 50+危险命令模式：文件系统销毁、系统控制、K8s/Docker、数据库、云基础设施、网络/防火墙
- 外部配置支持：基于JSON的自定义模式加载
- 3种模式:
warning（注释），block（编辑），silent（通过）
📊 审计与合规
- 仅附加JSONL：不可变的审计跟踪
- 完整上下文捕获：呼叫者、地区、类别、决定、编辑计数
- 查询API：搜索和检索审计记录
- SIEM集成：实时发送到Splunk、Elasticsearch、Datadog、Syslog
- 缓冲运输：\
// Initialize client const mcp = new MCPClient({ serverUrl: 'https://mcp.yourcompany.com', caller: 'web-app' });
// Protect browser-based LLM calls async function safeChatCompletion(userInput) { const response = await mcp.safeLLMCall( userInput, async (sanitized) => { // Call OpenAI/Claude from browser return await callYourLLM(sanitized); } ); return response; }
**反应示例：**
import { MCPClient } from './mcp-client.js';
const mcp = new MCPClient({ serverUrl: process.env.REACT_APP_MCP_SERVER, caller: 'react-app' });
function ChatComponent() { const handleSubmit = async (input) => { try { const response = await mcp.safeLLMCall(input, callOpenAI); setMessages(prev => [...prev, response]); } catch (error) { if (error instanceof MCPBlockedError) { alert('Request blocked: contains sensitive data'); } } }; // ... rest of component }
**支持的TypeScript：** 看 `mcp_client_js/mcp-client.d.ts`
**示例：** 看 `mcp_client_js/examples/` 用于浏览器和React演示
______________________________________________________________________
## 🔄 透明代理模式（新增！）
**现有OpenAI/Claude/Gemini应用程序的零代码集成：**
只需更改API基本URL，MCP就会自动保护所有呼叫！
import openai
Change this one line:
openai.api_base = "https://mcp.yourcompany.com/v1"
Your existing code works unchanged!
response = openai.ChatCompletion.create( model="gpt-4", messages=[{"role": "user", "content": "My AWS key is AKIA..."}] )
MCP automatically redacts before OpenAI sees it!
**支持的提供商：**
- ✅ **开放人工智能** (`/v1/chat/completions`)-支持流媒体
- ✅ **克劳德** (`/v1/messages`)-支持流媒体
- ✅ **双子座** (`/v1/models/{model}:generateContent`)-支持流媒体
**特征：**
- ✅ 逐块去标记实时流媒体
- ✅ 可选索赔验证（幻觉检测）
- ✅ 本地模型支持（vLLM、Ollama、FastAPI）
- ✅ 自动编校+去标记
- ✅ SIEM中的完整审计跟踪
**设置：**
In .env file
PROXY_MODE_ENABLED=true CLAIM_VERIFICATION_ENABLED=false # Optional DETOKENIZE_TRUSTED_CALLERS=openai-proxy,claude-proxy,gemini-proxy
**完整指南：**
- `TRANSPARENT_PROXY.md` -代理模式文档
- `CLAIM_VERIFICATION.md` -幻觉检测指南
______________________________________________________________________
## 🛡️ 索赔验证（幻觉检测）
**可选的后处理层，用于验证LLM响应的事实准确性：**
该功能使用基于研究的方法，通过4级管道分析LLM反应，以检测和标记潜在的幻觉和虚假声明。
Enable in .env
CLAIM_VERIFICATION_ENABLED=true CLAIM_VERIFICATION_MODEL=gpt-4o-mini # Or local model
Use any LLM normally via transparent proxy
response = openai.ChatCompletion.create( model="gpt-4", messages=[{"role": "user", "content": "What was Argentina's inflation in 2023?"}] )
If LLM hallucinates a wrong number, you'll see:
print(response.choices[0].message.content)
"Argentina's inflation reached 300% in 2023."
⚠️ [CLAIM FLAGGED - HIGH CONFIDENCE]: This claim is likely false.
Evidence suggests Argentina's inflation was approximately 211% in 2023.
**四阶段验证流程：**
1. **句子拆分** -根据上下文将反应分解为句子
1. **选择** -筛选可验证的事实主张
1. **消歧** -解决或标记歧义语句
1. **分解** -提取原子独立声明
1. **验证** -用置信度分数对每项索赔进行事实核查
**输出模式：**
- **内联警告**: 🚨 高，⚠️ 中等，ℹ️ 文本中添加了低置信度标志
- **元数据**：详细验证信息请参见 `mcp_verification` 响应字段
- **无阻塞**：用户总是看到完整的响应+警告（通知，不要审查）
**本地模型支持：**
Use vLLM, Ollama, or FastAPI locally (no API fees, full privacy)
CLAIM_VERIFICATION_BASE_URL=http://localhost:8000/v1 CLAIM_VERIFICATION_MODEL=meta-llama/Meta-Llama-3.1-8B-Instruct CLAIM_VERIFICATION_REQUIRE_AUTH=false # No authentication needed
**使用案例：**
- ✅ **技术/工程** -验证计算、公式、规格
- ✅ **科学的** -事实核查研究声明、数据、常数
- ✅ **金融的** -验证统计数据、市场数据、经济声明
- ✅ **医学的** -验证剂量、症状、治疗（严格模式）
**演出**
- 延迟：每个响应约500-1000ms（云）或约300ms（本地）
- 成本：约0.0003美元/gpt-4o-mini响应，本地型号为0美元
- 缓存：约80%的命中率降低了延迟和成本
**完整指南：** 看 `CLAIM_VERIFICATION.md` 有关完整的设置、配置和示例。
______________________________________________________________________
## 🌐 API端点（REST）
**核心MCP端点：**
- `GET /health` → 服务器健康检查
- `POST /classify` → 对有效载荷灵敏度进行分类
- `POST /redact` → 清理有效负载，返回token_map_handle
- `POST /detokenize` → 重新注入允许的令牌（仅限受信任的客户端）
- `POST /route` → 制定执行计划（内部/外部，编辑步骤）
- `POST /audit/query` → 简单审计搜索
**透明代理端点** （当 `PROXY_MODE_ENABLED=true`):
- `POST /v1/chat/completions` → OpenAI兼容代理
- `POST /v1/messages` → 克劳德兼容代理
- `POST /v1/models/{model}:generateContent` → Gemini兼容代理
**API完整文档：** 看 `mcp_redaction/models.py` 用于请求/响应模式。
## 政策
编辑 `mcp_redaction/sample_policies/default.yaml`。支持更改时的热重新加载（观察器可选）。
## 标准/JSON-RPC（MCP）适配器
看 `mcp_redaction/stdio_adapter.py` 对于最小的适配器骨架，您可以在代理运行时下挂载。
## 测试
pytest -q
## 生产硬化
- 运行在mTLS和身份感知代理后面
- 使用Redis（或带信封加密的KV）进行令牌映射
- 将审核日志发送到SIEM（Splunk/ELK）；旋转JSONL文件
- 添加OPA/看门人检查 **脱酮** 分类
- 扩展检测器（NER、出口管制分类器），为附件添加OCR
- 在中强制执行地理路由和模型允许列表 `policy.yaml`