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

pipelock MCP工具

基于 Go · 开源 AI 工具，GitHub 社区精选
英文名：pipelock
⭐ 589 Stars 🍴 66 Forks 💻 Go 📄 Apache-2.0 🏷 AI 8.2分
8.2AI 综合评分
MCP安全代理防火墙DLP防护SSRF防御开源安全
🌐 访问官网 📺 TG 频道
✦ AI Skill Hub 推荐

AI Skill Hub 强烈推荐：pipelock MCP工具 是一款优质的AI工具。AI 综合评分 8.2 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

pipelock MCP工具 是一款基于 Go 的开源工具，在 GitHub 上收获 1k+ Star，是MCP安全、代理防火墙、DLP防护、SSRF防御领域中的优质开源项目。开源工具的最大优势在于代码完全透明，你可以审计每一行代码的安全性，也可以根据自身需求进行二次开发和定制。

**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**
pipelock 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 pipelock MCP工具 的版本更新，及时通知重要功能变化。

📋 工具概览

pipelock MCP工具 是一款基于 Go 开发的开源工具，专注于 MCP安全、代理防火墙、DLP防护 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。

GitHub Stars
⭐ 589
开发语言
Go
支持平台
Windows / macOS / Linux（跨平台）
维护状态
正常维护，社区驱动
开源协议
Apache-2.0
AI 综合评分
8.2 分
工具类型
AI工具
Forks
66

📖 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」。

pipelock MCP工具 是一款基于 Go 开发的开源工具，专注于 MCP安全、代理防火墙、DLP防护 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。

📌 核心特色
  • 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
🎯 主要使用场景
  • 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
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：go install（推荐）
go install github.com/luckyPipewrench/pipelock@latest

# 方式二：从源码编译
git clone https://github.com/luckyPipewrench/pipelock
cd pipelock
go build -o pipelock .

# 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/luckyPipewrench/pipelock/releases
📋 安装步骤说明
  1. 访问 GitHub 仓库页面
  2. 按照 README 文档完成依赖安装
  3. 根据系统环境完成初始化配置
  4. 参考官方示例或文档开始使用
  5. 遇到问题可在 GitHub Issues 中查找解答
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
# 查看帮助
pipelock --help

# 基本运行
pipelock [options] <input>

# 详细使用说明请查阅文档
# https://github.com/luckyPipewrench/pipelock
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
# pipelock 配置说明
# 查看配置选项
pipelock --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 PIPELOCK_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 62/100 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

Pipelock

<p align="center"> <strong>Open-source AI agent firewall for <a href="https://pipelab.org/learn/verifiable-egress-control/">Verifiable Egress Control</a>.</strong> </p>

<p align="center"> <a href="https://github.com/luckyPipewrench/pipelock/actions/workflows/ci.yaml"><img alt="CI" src="https://github.com/luckyPipewrench/pipelock/actions/workflows/ci.yaml/badge.svg"></a> <a href="https://github.com/luckyPipewrench/pipelock/actions/workflows/security.yaml"><img alt="Security" src="https://github.com/luckyPipewrench/pipelock/actions/workflows/security.yaml/badge.svg"></a> <a href="https://github.com/luckyPipewrench/pipelock/actions/workflows/continuous-gauntlet.yaml"><img alt="Gauntlet exam" src="https://github.com/luckyPipewrench/pipelock/actions/workflows/continuous-gauntlet.yaml/badge.svg"></a> <a href="go.mod"><img alt="Go 1.25+" src="https://img.shields.io/github/go-mod/go-version/luckyPipewrench/pipelock?logo=go&label=Go"></a> <a href="https://github.com/luckyPipewrench/pipelock/releases"><img alt="Release" src="https://img.shields.io/github/v/release/luckyPipewrench/pipelock"></a> </p>

<p align="center"> <a href="https://scorecard.dev/viewer/?uri=github.com/luckyPipewrench/pipelock"><img alt="OpenSSF Scorecard" src="https://api.scorecard.dev/projects/github.com/luckyPipewrench/pipelock/badge"></a> <a href="https://www.bestpractices.dev/projects/11948"><img alt="OpenSSF Best Practices" src="https://www.bestpractices.dev/projects/11948/badge"></a> <a href="https://codecov.io/gh/luckyPipewrench/pipelock"><img alt="codecov" src="https://codecov.io/gh/luckyPipewrench/pipelock/graph/badge.svg"></a> <a href="https://github.com/luckyPipewrench/pipelock/blob/main/.github/workflows/ci.yaml#L21-L35"><img alt="pipelock self-scanned" src="https://img.shields.io/badge/pipelock-self--scanned-00FFC8?style=flat&labelColor=1A1A2E&logo=data:image/svg+xml;base64,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"></a> </p>

<p align="center"> <a href="LICENSE"><img alt="Core Apache 2.0" src="https://img.shields.io/badge/Core-Apache_2.0-blue.svg"></a> <a href="enterprise/LICENSE"><img alt="Enterprise ELv2" src="https://img.shields.io/badge/Enterprise-ELv2-orange.svg"></a> <a href="https://landscape.cncf.io/?item=provisioning--security-compliance--pipelock"><img alt="CNCF Landscape: Security &amp; Compliance" src="https://img.shields.io/badge/CNCF%20Landscape-Security%20%26%20Compliance-1a73e8?logo=cncf&logoColor=white"></a> <a href="https://discord.gg/badNfhGKTc"><img alt="Discord" src="https://img.shields.io/badge/Discord-Join%20the%20community-5865F2?logo=discord&logoColor=white"></a> </p>

Pipelock blocking a live secret-exfiltration attempt from an AI agent

Pipelock sits between AI agents and the network. It inspects mediated HTTP, WebSocket, MCP, and A2A traffic, plus CONNECT tunnel contents when TLS interception is enabled, for secret exfiltration, prompt injection, SSRF, tool poisoning, and risky tool-call chains. Plain CONNECT without interception is scanned at the hostname and URL level.

Pipelock emits mediator-signed action receipts over content-aware boundary decisions, so a reviewer can verify what Pipelock decided outside the agent runtime. The public agent-egress-bench corpus exercises the detections. The Gauntlet workflow is the product's scheduled candidate exam against a pinned corpus commit; it does not auto-publish a public score. Learn more: Open-source AI firewall.

Works with: Claude Code · OpenAI Codex · Cline · OpenCode · Pi · Zed · Cursor · VS Code · JetBrains · OpenAI Agents SDK · Google ADK · AutoGen · CrewAI · LangGraph

<p align="center"> <a href="#the-problem">Problem</a> · <a href="#verify-it-yourself">Verify</a> · <a href="#quick-start">Quick Start</a> · <a href="#see-it-in-action">Action</a> · <a href="#what-it-catches">Catches</a> · <a href="#what-it-does">Features</a> · <a href="#how-it-works">Architecture</a> · <a href="#docs">Docs</a> · <a href="https://pipelab.org/playground">Playground</a> · <a href="https://pipelab.org/blog/">Blog</a> · <a href="https://app.dosu.dev/bcccd1cf-be85-4c0e-ae05-edeb0ff50b59/ask">Ask Dosu</a> </p>

<p align="center"> <strong>Try it in your browser at the <a href="https://pipelab.org/playground">live playground</a>. If Pipelock earns it, <a href="https://github.com/luckyPipewrench/pipelock/stargazers">star the repo</a> so other people find it.</strong> </p>

---

Build the current release from source (Community edition, Go 1.25+)

git clone --branch v3.5.0 --depth 1 https://github.com/luckyPipewrench/pipelock.git make -C pipelock install

Docker

docker pull ghcr.io/luckypipewrench/pipelock:3.5.0

Deployment

```bash

Docker

docker pull ghcr.io/luckypipewrench/pipelock:3.5.0 docker run -p 8888:8888 -v ./pipelock.yaml:/config/pipelock.yaml:ro \ ghcr.io/luckypipewrench/pipelock:3.5.0 \ run --config /config/pipelock.yaml --listen 0.0.0.0:8888

Network-isolated agent with Docker Compose

pipelock generate docker-compose --agent claude-code -o docker-compose.yaml docker compose up

Quick Start

```bash

Integration Guides

  • Claude Code: MCP proxy setup, .claude.json configuration
  • OpenAI Codex: MCP proxy wrapping, forward proxy, sandbox integration
  • Cline: MCP proxy wrapping for Cline's mcp.json
  • Continue.dev: MCP proxy wrapping for Continue YAML configuration
  • OpenCode: MCP proxy wrapping for OpenCode's local and remote MCP servers
  • Pi: global httpProxy setup with a named agent listener (example)
  • Zed: MCP proxy wrapping for Zed's context_servers block in settings.json
  • OpenAI Agents SDK: MCPServerStdio, multi-agent handoffs
  • Google ADK: McpToolset, StdioConnectionParams
  • AutoGen: StdioServerParams, mcp_server_tools()
  • CrewAI: MCPServerStdio wrapping, MCPServerAdapter
  • LangGraph: MultiServerMCPClient, StateGraph
  • Hermes: full-plugin coverage or lighter MCP-only wrapping for Nous Research's agent, with auth-header sidecar preservation
  • JetBrains/Junie: MCP proxy wrapping for IntelliJ, PyCharm, GoLand (walkthrough)
  • Cursor: pipelock cursor install registers Pipelock as a Cursor hook for shell execution, MCP tool calls, and file reads; use --config to embed a validated policy path and pipelock cursor remove to remove Pipelock-managed hooks. You can also use configs/cursor.yaml with the same MCP proxy pattern as Claude Code (walkthrough)
  • VS Code: pipelock vscode install rewrites .vscode/mcp.json to route every MCP server through the MCP proxy; --global targets the user-level mcp.json
  • OpenClaw: gateway sidecar, init container, config wrapping
  • Any other MCP client: pipelock generate mcporter reads any JSON file with a top-level mcpServers object and wraps every server through Pipelock's proxy, so a client that is not on the list above still routes through scanning in one command.

---

Runnable Demo: Tool-Response Injection

The examples/tool-response-injection/ harness runs an end-to-end demo where an MCP tool with a harmless name and description hides a prompt-injection payload in its response. Pipelock blocks the response before it reaches the agent and emits signed action receipts that a third party can verify. The same demo runs against three transports with one shared signing key:

  • MCP stdio
  • MCP HTTP upstream
  • HTTP fetch
cd examples/tool-response-injection
python3 demo.py    # needs python3 + cryptography + pipelock on PATH

---

Set up local agent integrations and generate a config

pipelock init

Configuration

Generate a config from a built-in preset, or let pipelock audit tailor one to your project:

pipelock presets
pipelock generate config --list
pipelock generate config --preset balanced > pipelock.yaml
pipelock audit ./my-project -o pipelock.yaml
CLI PresetModeActionBest For
balancedbalancedwarnGeneral purpose (default)
strictstrictblockHigh-security, regulated industries
auditauditwarnLog-only evaluation
claude-codebalancedblockClaude Code unattended
cursorbalancedblockCursor IDE
generic-agentbalancedwarnNew agents during tuning
hostile-modelstrictblockUncensored/abliterated models

Config changes are picked up through file watcher or SIGHUP. Full reference: docs/configuration.md

For false positive tuning: docs/false-positive-tuning.md

---

CI Integration

```yaml

.github/workflows/pipelock.yaml

- uses: luckyPipewrench/pipelock@ca05ed06f360f5aac5518ab6ea2b11d729b70bee # v3.5.0 with: scan-diff: 'true' fail-on-findings: 'true' ```

The action downloads a pre-built binary, runs pipelock audit, scans the PR diff for leaked secrets, and uploads the audit report as a workflow artifact. See examples/ci-workflow.yaml for a complete workflow.

Comparison

PipelockScanners (agent-scan)Sandboxes (srt)Kernel agents (agentsh)
Secret exfiltration preventionStrict blocks; balanced detectsPartial (proxy mode)Partial (domain-level)Yes
DLP + entropy analysisYesNoNoPartial
Prompt injection detectionYesYesNoNo
MCP scanning (bidirectional + tool poisoning)YesYesNoNo
WebSocket proxy (frame scanning)YesNoNoNo
MCP HTTP transport (Streamable HTTP)YesNoNoNo
Emergency kill switch (6 sources)YesNoNoNo
Tool call chain detectionYesNoNoNo
Process sandbox (no Docker)YesNoNoYes (kernel-level)
Single binary, no runtime depsYesNo (Python)No (npm)No (kernel)

Reference matrix: docs/comparison.md

Canonical comparison hub: AI runtime security comparison

<details> <summary>OWASP Agentic Top 10 Coverage</summary>

ThreatCoverage
ASI01 Agent Goal Hijack**Strong:** bidirectional MCP + response scanning
ASI02 Tool Misuse**Partial:** proxy as controlled tool, MCP scanning
ASI03 Identity & Privilege Abuse**Strong:** capability separation + SSRF protection
ASI04 Supply Chain Vulnerabilities**Partial:** integrity monitoring + MCP scanning
ASI05 Unexpected Code Execution**Moderate:** HITL approval, fail-closed defaults
ASI06 Memory & Context Poisoning**Moderate:** injection detection + session taint propagation
ASI07 Insecure Inter-Agent Communication**Partial:** MCP/A2A scanning, agent ID, integrity, signing
ASI08 Cascading Failures**Moderate:** fail-closed architecture, rate limiting
ASI09 Human-Agent Trust Exploitation**Partial:** HITL modes, audit logging
ASI10 Rogue Agents**Strong:** domain allowlist + rate limiting + capability separation

Details, config examples, and gap analysis: docs/owasp-mapping.md

</details>

---

🇨🇳 中文文档镜像 AI 翻译 2026-05-27
英文原文章节由系统翻译为中文摘要，便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介

Pipelock 是一个强大的安全审计与防护工具，旨在为开发流程提供全方位的安全保障。通过集成先进的审计机制，它能够帮助开发者识别潜在风险并生成详细的安全报告，确保代码与工具链的安全性。

⚡ 功能介绍

Pipelock 提供丰富的安全功能：支持通过 `pipelock report` 生成包含风险评级、时间线及证据附录的 HTML/JSON 审计报告，并支持使用 Ed25519 进行签名；内置 `pipelock diagnose` 命令，可在无需网络的情况下运行 7 项本地检查，确保配置端到端正常工作；此外还具备强大的安全强制执行能力。

📋 环境依赖

用户可以直接下载预编译的二进制文件使用，无需安装任何依赖。若希望从源码构建，则需要环境安装有 Go 1.25+ 版本。此外，项目支持通过 GitHub Attestation 进行 SLSA 溯源与 SBOM 验证，以确保发布版本的完整性与安全性。

🛠 安装步骤（Docker/pip/源码）

您可以通过多种方式安装 Pipelock：使用 Homebrew 执行 `brew install luckyPipewrench/tap/pipelock` 进行快速安装；对于容器化环境，可以通过 `docker pull ghcr.io/luckypipewrench/pipelock:latest` 获取 Docker 镜像；也可以根据需求进行自定义部署。

🚀 使用教程

本项目提供了丰富的集成指南，支持将 Pipelock 作为 MCP proxy 接入多种主流 AI 开发工具，包括 Claude Code、OpenAI Codex、Cline、OpenCode 以及 Zed 编辑器。通过配置相应的 `.claude.json` 或 `mcp.json`，您可以轻松实现安全代理与沙箱集成。

⚙️ 配置说明（含 MCP / env）

使用 Pipelock 前需通过 `pipelock init` 进行初始化。您可以利用 CLI 预设（如 `balanced` 模式）生成配置文件，或者直接运行 `pipelock audit` 根据当前项目需求自动定制 `pipelock.yaml`。系统会���动识别 IDE 配置并确保配置文件的安全性。

🔌 API 说明

Pipelock 提供了一个专门的扫描 API 端点，支持程序化扫描。任何工具、流水线或控制平面都可以通过提交 URL、文本或 Tool Call 来获取结构化的判定结果。API 支持四种扫描类型：`url`、`dlp`、`prompt_injection` 以及 `tool_call`，且无需将代理置于请求路径中。

🔄 工作流/模块

Pipelock 深度集成 CI/CD 工作流，支持在 GitHub Actions 中通过 `luckyPipewrench/pipelock@v2` 直接调用。它能够自动下载二进制文件并执行 `pipelock audit`，扫描 PR Diff 中的敏感信息泄露情况，并将生成的审计报告作为 Workflow Artifact 上传，实现自动化的安全合规检查。

🎯 aiskill88 AI 点评 A 级 2026-05-20

专业的MCP安全解决方案，针对AI代理的典型安全威胁提供综合防护。活跃维护、技术方向清晰，是构建安全AI系统的关键基础设施。

📚 实用指南（长尾问题）
适合谁
  • 使用 Cursor 编辑器、希望提升 AI 编程效率的开发者
  • 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
  • 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
  • Cursor rules 控制在 80 行内，否则模型上下文成本会显著上升
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
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
部署方案
  • Docker：pipelock 提供官方镜像，docker compose up 一键启动
  • 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
相关搜索
pipelock 中文教程pipelock 安装报错怎么办pipelock MCP 配置pipelock Docker 部署pipelock Agent 工作流pipelock 与同类工具对比pipelock 最佳实践pipelock 适合谁用

⚡ 核心功能

👥 适合谁
  • 使用 Cursor 编辑器、希望提升 AI 编程效率的开发者
  • 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
  • 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
  • Cursor rules 控制在 80 行内，否则模型上下文成本会显著上升
⚠️ 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
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal

👥 适合人群

AI 技术爱好者研究人员和学生开发者和工程师技术创业者

🎯 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

✅ 优点
  • +Apache-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
⚠️ 不足
  • −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
⚠️ 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

LlamaIndex 知识检索框架
LlamaIndex是领先的文档智能代理和OCR平台，专为构建AI应用而设计。提供数据连接、检索增强生成（RAG）等核心
AutoGPT 自主AI代理
AI工具
JavaGuide面试指南
AI工具
Hermes AI工作流引擎
AI工具
📚 相关教程推荐
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
MCP 工作流生产级配置方案：从开发环境到团队共享
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
前沿 AI 研究论文速览
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 前沿资讯：What ClickUps mass layoff tell…
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
mcp
mcp-server-setup
agent
ai-agent-workflow
workflow
ai-workflow-templates
docker
docker-deploy
🧩 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
LEANN AI技能包
MCP · Agent · 工作流
Arkiv媒体资产管理器
本地优先的媒体资产管理工具，集成AI语义搜索和专业相机元数据读取功能。支持DaVinci Resolve集成，适合视频编辑、摄影师和内容创作
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。
爬虫lama
本地AI代理，通过Ollama回答问题
gptme Agent工作流
MCP · Agent · 工作流
Cadence
Agent · 工作流 · CLI

❓ 常见问题 FAQ

作为标准MCP防火墙，支持所有遵循MCP协议的代理框架和应用。
💡 AI Skill Hub 点评

总体来看，pipelock 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。

📚 深入学习 pipelock MCP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 pipelock
原始描述 开源MCP工具：Open-source AI agent firewall for MCP security: agent egress control, DLP, SSRF,。⭐589 · Go
Topics MCP安全代理防火墙DLP防护SSRF防御开源安全
GitHub https://github.com/luckyPipewrench/pipelock
License Apache-2.0
语言 Go
🔗 原始来源
🐙 GitHub 仓库  https://github.com/luckyPipewrench/pipelock 🌐 官方网站  https://pipelab.org

收录时间：2026-05-17 · 更新时间：2026-05-19 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →