📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🤖 Agent🔄 工作流🐳 Docker💻 CLI🔗 REST API🧬 Embedding🧠 Claude✨ GPT⛓ LangChain
AI安全工具
🔌
MCP工具

AI安全工具

基于 Python · 让 AI 助手直接操作你的系统与工具
英文名：aegis-memory
⭐ 22 Stars 🍴 5 Forks 💻 Python 📄 Apache-2.0 🏷 AI 7.5分
7.5AI 综合评分
aiagent-securitymcp
⬇ 下载源码 ZIP ⚙️ 配置说明
✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，AI安全工具 获评「推荐使用」。这款MCP工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 7.5 分，适合有一定技术背景的用户使用。

📚 深度解析

AI安全工具 是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装 AI安全工具，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。AI安全工具 提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 AI安全工具 评为 AI 评分 7.5 分，属于同类工具中的优质选择。

📋 工具概览

AI安全工具 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars
⭐ 22
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
Apache-2.0
AI 综合评分
7.5 分
工具类型
MCP工具
Forks
5

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

AI安全工具 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

📌 核心特色
  • 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
  • 提供结构化工具调用接口，显著降低 AI 集成复杂度
  • 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
  • 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
  • 轻量无侵入设计，不影响现有系统架构
🎯 主要使用场景
  • 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
  • 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/quantifylabs/aegis-memory

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "ai----": {
      "command": "npx",
      "args": ["-y", "aegis-memory"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
📋 安装步骤说明
  1. 确认已安装 Node.js（v18 或以上版本）
  2. 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
  3. 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
  4. 保存配置文件并重启 Claude 客户端
  5. 重启后，在对话中即可使用本工具
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 AI安全工具 执行以下任务...
Claude: [自动调用 AI安全工具 MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "ai____": {
      "command": "npx",
      "args": ["-y", "aegis-memory"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效
📑 README 深度解析 真实文档 完整度 37/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

<p align="center"> <img src=".github/banner.svg" alt="Aegis Memory" width="400"/> </p>

<p align="center"> <strong>Your agent's context is your attack surface. Act accordingly.</strong> </p>

<p align="center"> Secure context engineering for production AI agents.<br/> Content security. Integrity verification. Trust hierarchy. Context that improves itself. </p>

<p align="center"> <a href="https://github.com/quantifylabs/aegis-memory/actions/workflows/ci.yml"><img src="https://github.com/quantifylabs/aegis-memory/actions/workflows/ci.yml/badge.svg" alt="CI"></a> <a href="https://pypi.org/project/aegis-memory/"><img src="https://img.shields.io/pypi/v/aegis-memory?label=PyPI&color=blue" alt="PyPI version"></a> <a href="https://pypi.org/project/aegis-memory/"><img src="https://img.shields.io/pypi/dm/aegis-memory?label=downloads&color=brightgreen" alt="PyPI downloads"></a> <a href="https://pypi.org/project/aegis-memory/"><img src="https://img.shields.io/pypi/pyversions/aegis-memory.svg" alt="Python versions"></a> <a href="https://opensource.org/licenses/Apache-2.0"><img src="https://img.shields.io/badge/License-Apache_2.0-blue.svg" alt="License"></a> <a href="https://deepwiki.com/quantifylabs/aegis-memory"><img src="https://img.shields.io/badge/DeepWiki-quantifylabs%2Faegis--memory-blue.svg" alt="DeepWiki"></a> <a href="https://scorecard.dev/viewer/?uri=github.com/quantifylabs/aegis-memory"><img src="https://api.scorecard.dev/projects/github.com/quantifylabs/aegis-memory/badge" alt="OpenSSF Scorecard"></a> <a href="https://www.bestpractices.dev/projects/13029"><img src="https://www.bestpractices.dev/projects/13029/badge" alt="OpenSSF Best Practices"></a> <a href="https://github.com/quantifylabs/aegis-memory"><img src="https://img.shields.io/github/stars/quantifylabs/aegis-memory?style=social" alt="GitHub stars"></a> </p>

<p align="center"> <a href="https://www.aegismemory.com/">Website</a> • <a href="https://docs.aegismemory.com/introduction/overview">Docs</a> • <a href="https://www.aegismemory.com/blog/">Blog</a> • <a href="https://docs.aegismemory.com/quickstart/installation">Quickstart</a> • <a href="https://docs.aegismemory.com/guides/security">Security Guide</a> </p>

---

Install the SDK

pip install aegis-memory

Deployment

Docker Compose

docker compose up -d

Configuration

VariableDefaultDescription
DATABASE_URLpostgresql+asyncpg://...PostgreSQL connection
OPENAI_API_KEY—For embeddings
AEGIS_API_KEYdev-keyAPI authentication
CONTENT_POLICY_INJECTIONflagreject / redact / flag / allow
CONTENT_POLICY_SECRETSrejectreject / redact / flag / allow
ENABLE_LLM_INJECTION_CLASSIFIERfalseEnable Stage 4 LLM classifier
INJECTION_CLASSIFIER_MODELgpt-4o-miniModel for injection classification

Full Configuration

What "Engineered" Means vs "Inspired"

FeatureACE-InspiredAegis ACE-Engineered
VotingManual vote endpointsAuto-voting tied to run outcomes
ReflectionManual reflection creationAuto-reflection on failure with error context
CurationNot implementedFull curation cycle with promote/flag/consolidate
Run trackingNot trackedFirst-class ace_runs table linking memories to outcomes
Agent-specific playbookGeneric queryFiltered by agent_id + task_type

ACE Patterns Guide

Quick Feature Comparison

Memory-depth primitives (hybrid retrieval, contradiction handling, consolidation) are now table stakes — mem0, Zep, Letta, and Aegis all ship variants in 2026.[^memory-depth-sources] The differences are in how, not whether.

Capabilitymem0Graphiti / ZepLettaAegis Memory
**Primary focus**Assistant personalizationGraph-based episodic memoryStateful agentsSecure context engineering
**Open source**YesYesYesYes
**Self-host posture**AvailableAvailableAvailableSelf-host-first
**Content security pipeline**———4-stage (validation, PII, injection, LLM)
**Memory integrity**———HMAC-SHA256
**Trust hierarchy**———4-tier OWASP model
**Multi-agent ACL/scopes**———Yes
**Cross-agent query**———Yes
**Handoff baton**———Yes
**ACE loop**———Yes
**Typed memory model**———Yes
**Temporal decay**—Partial—Yes
**Hybrid retrieval (dense + sparse + RRF)**Semantic + BM25 + entitySemantic + keyword + graphYes (RRF)Yes (pgvector + tsvector + RRF)
**Contradiction detection**Mem0g (graph variant, LLM)LLM + temporal invalidation—Typed contradicts edge, cheap + optional LLM, **explicit resolution workflow**
**Semantic consolidation**LLM-merge + DELETE losersTemporal supersession—LLM/heuristic merge + **audit-preserving** (is_deprecated=True + consolidated_into)
**Unified context hub (prompts + memory + skills + subagents)**———Yes
📚 实用指南（长尾问题）
适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
  • Python 依赖冲突：建议用 venv / uv 隔离环境
部署方案
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
aegis-memory 中文教程aegis-memory 安装报错怎么办aegis-memory MCP 配置aegis-memory Agent 工作流aegis-memory 与同类工具对比aegis-memory 最佳实践aegis-memory 适合谁用

⚡ 核心功能

👥 适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
⭐ 最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
⚠️ 常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
  • Python 依赖冲突：建议用 venv / uv 隔离环境

👥 适合人群

Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师

🎯 使用场景

  • 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
  • 将多个 MCP 工具组合使用，构建个人专属 AI 工作站

⚖️ 优点与不足

✅ 优点
  • +Apache-2.0 协议，可免费商用
  • +标准化 MCP 协议，生态互联性强
  • +与 Claude 官方生态无缝对接
  • +即插即用，配置简单快捷
⚠️ 不足
  • −依赖 Claude 客户端，非 Claude 用户无法使用
  • −MCP 协议仍在持续演进，接口可能变更
  • −需要一定的配置步骤
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

✅ Apache 2.0 — 宽松开源协议，可商用，需保留版权声明和 NOTICE 文件，含专利授权条款。

🔗 相关工具推荐

Composio智能工具编排平台
MCP工具
FastGPT
基于LLM的知识平台，提供综合解决方案
Context7代码文档平台
MCP工具
AI工程师中心
MCP工具
📚 相关教程推荐
天涯社区重启：一个时代结束后，AI社区时代正在开始
帮助中心 · AI Skill Hub
MCP 配置教程
帮助中心 · AI Skill Hub
MCP 工具
帮助中心 · AI Skill Hub
Cursor AI 编程完全指南：Rules 配置、Composer 使用、MCP 集成
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
AI 前沿资讯：Feel like I'm becoming the glu…
AI 资讯 · 知识关联
Anthropic Claude 最新进展
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
配了5个 MCP 工具，Claude 一个都没用
AI 圈观察
Filesystem MCP 帮 Claude 找文件，找了整个 node_modules
AI 圈观察
🗺️ 相关解决方案
agent
ai-agent-workflow
workflow
ai-workflow-templates
docker
docker-deploy
cli
cli-productivity
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
gptme Agent工作流
MCP · Agent · 工作流
技能寻求者
MCP · Agent · 工作流
LEANN AI技能包
MCP · Agent · 工作流
Synthadoc
MCP · Agent · 工作流
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
CrewAI 多代理协作平台
MCP · Agent · 工作流

❓ 常见问题 FAQ

aegis-memory 是一款Python开发的AI辅助工具。开源MCP工具：Secure context engineering for AI agents. Content security · integrity verificat。⭐22 · Python 主要应用场景包括：AI代理安全开发。
💡 AI Skill Hub 点评

AI Skill Hub 点评：AI安全工具 的核心功能完整，质量良好。对于Claude Desktop / Claude Code 用户来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ Apache-2.0 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 AI安全工具
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 aegis-memory
原始描述 开源MCP工具：Secure context engineering for AI agents. Content security · integrity verificat。⭐22 · Python
Topics aiagent-securitymcp
GitHub https://github.com/quantifylabs/aegis-memory
License Apache-2.0
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/quantifylabs/aegis-memory 🌐 官方网站  https://www.aegismemory.com/

收录时间：2026-05-31 · 更新时间：2026-06-02 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。