faramesh-core MCP工具
AI Skill Hub 强烈推荐：faramesh-core MCP工具 是一款优质的AI工具。AI 综合评分 8.0 分，在同类工具中表现稳健。如果你正在寻找可靠的AI工具解决方案，这是一个值得深入了解的选择。
📚 深度解析
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
faramesh-core MCP工具 依赖 Go 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Go 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 faramesh-core MCP工具 的版本更新，及时通知重要功能变化。
📋 工具概览
faramesh-core MCP工具 是一款基于 Go 开发的开源工具，专注于 AI治理、代理安全、策略引擎 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📖 中文文档
faramesh-core MCP工具 是一款基于 Go 开发的开源工具，专注于 AI治理、代理安全、策略引擎 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：go install（推荐） go install github.com/faramesh/faramesh-core@latest # 方式二：从源码编译 git clone https://github.com/faramesh/faramesh-core cd faramesh-core go build -o faramesh-core . # 方式三：下载预编译二进制 # 访问 Releases 页面下载对应平台二进制文件 # https://github.com/faramesh/faramesh-core/releases
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 查看帮助 faramesh-core --help # 基本运行 faramesh-core [options] <input> # 详细使用说明请查阅文档 # https://github.com/faramesh/faramesh-core
# faramesh-core 配置说明 # 查看配置选项 faramesh-core --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export FARAMESH_CORE_CONFIG="/path/to/config.yml"
简介
<img src="README-LOGO.png" alt="Faramesh" width="480" />
Every agent tool call is a policy decision.
Declare permissions in governance.fms. A local daemon permits, defers, or denies each tool call before it runs. Decisions are hash-chained in a WAL. No SDK lock-in. No cloud required.
<p> <a href="LICENSE"><img alt="License: Apache-2.0" src="https://img.shields.io/badge/License-Apache--2.0-0f172a?style=flat-square&logo=apache" /></a> <a href="https://github.com/faramesh/faramesh-core/stargazers"><img alt="Stars" src="https://img.shields.io/github/stars/faramesh/faramesh-core?style=flat-square" /></a> <a href="https://github.com/faramesh/faramesh-core/releases"><img alt="Latest release" src="https://img.shields.io/github/v/release/faramesh/faramesh-core?include_prereleases&sort=semver&style=flat-square&label=Release" /></a> <a href="https://github.com/faramesh/faramesh-core/actions"><img alt="CI" src="https://img.shields.io/github/actions/workflow/status/faramesh/faramesh-core/ci.yml?style=flat-square&label=CI" /></a> <a href="https://docs.faramesh.dev/"><img alt="Docs" src="https://img.shields.io/badge/Docs-faramesh.dev-0f766e?style=flat-square" /></a> </p>
<p> <a href="https://farameshlabs.slack.com/ssb/redirect"><img alt="Slack" src="https://img.shields.io/badge/Slack-Join%20our%20developer%20community-4A154B?style=for-the-badge&logo=slack" /></a> <a href="https://docs.faramesh.dev/quickstart/"><img alt="Quickstart" src="https://img.shields.io/badge/Quickstart-Read%20the%20docs-0f172a?style=for-the-badge" /></a> </p>
<img src="0522.gif" alt="Faramesh decisions streaming in real time" width="780" />
</div>
---
Install
curl -fsSL https://install.faramesh.dev/install.sh | bash
faramesh versionAlso Homebrew, npx, Go install, or build from git. All install paths →
How Faramesh compares
Faramesh is the local enforcement daemon for tool-call decisions. It's narrower than full-stack agent platforms (Microsoft AGT) and operates outside the model output evaluation layer (Galileo Agent Control). Detailed comparison →
创新的AI治理方案，解决生产环境AI代理信任和可控性问题。确定性引擎设计优秀，Go实现性能强劲，是AI安全治理领域的实用工具。
- 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
- 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
- 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
- CLI：直接 npm install -g / pip install，命令行调用
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 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
- 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
- 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
👥 适合人群
🎯 使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
- +MPL-2.0 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
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。
✅ MPL 2.0 — 文件级 Copyleft，修改的文件需开源，但可与闭源代码结合使用。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，faramesh-core MCP工具 是一款质量优秀的AI工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | faramesh-core |
| 原始描述 | 开源MCP工具：Governance-as-Code for AI agents. Open source policy layer with deterministic en。⭐54 · Go |
| Topics | AI治理代理安全策略引擎MCP协议Go语言 |
| GitHub | https://github.com/faramesh/faramesh-core |
| License | MPL-2.0 |
| 语言 | Go |
收录时间：2026-05-19 · 更新时间：2026-05-19 · License：MPL-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。