关于 MGC Blackbox – Local Encrypted Execution Layer
MGC Blackbox 是供 Agent、脚本和用户使用的本地加密执行层,而非 Agent 本身。它在加密边界内保存敏感数据、运行或封装密封脚本,也支持将任务发送到可信节点。
主要功能
- 01本地加密存储
- 02在加密边界内运行脚本
- 03密封脚本和文件夹以便发送
- 04向可信节点委派密封任务
- 05提供存储与执行工具
适用场景
- 01避免凭据以明文暴露给 Agent
- 02使用敏感数据运行本地自动化
- 03分发脚本而不暴露源代码
- 04向可信节点发送密封脚本
MCP 相关
MGC 提供本地 MCP 工具,用于存取内容、列出和搜索条目、运行脚本及密封软件包。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。
工具
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
MirginCipher Blackbox (MGC) — 多 Agent 跨节点隐私执行基座
面向多 Agent、跨节点、保护隐私的任务执行的本地加密执行基座——敏感操作绝不会以明文形式离开设备;脚本、文件和技能/工作流文件夹可以加密封装,并在可信节点间分发,而不会暴露源代码。
什么是 MGC Blackbox?
MirginCipher Blackbox (MGC) 是一个多 Agent 跨节点隐私执行基座。它本身不是 Agent,而是 Agent 底层的加密执行层。
MGC 提供:
- 面向 AI Agent、系统脚本和用户的本地加密执行基座
- 通过加密封装、绑定节点的脚本胶囊实现跨节点任务委派
- 零明文泄露:机密始终留在加密边界内
- Copilot / Claude / Trae / IDE Agent 共用的可信设备级边界
为什么选择 MGC?
-
🔐 端到端加密存储
使用 AES‑256 加密保管 API 密钥、凭据和配置,绝不向 AI Agent 或外部系统暴露。 -
🧱 本地优先的安全边界
所有执行和解密均在设备上进行。无需依赖云端,不会泄露明文,也不收集遥测数据。 -
🧩 加密封装的脚本和文件夹执行(独特功能)
将脚本、文件和技能/工作流文件夹转换为不可读、绑定节点的执行胶囊。
只有目标节点可以解密并运行,发送方和第三方都无法读取源代码。 -
⚡ 确定性的本地执行
借助 Cython 编译的安全核心,在 macOS / Linux / Windows 上实现稳定、可复现的行为。 -
🛠️ 原生 MCP / 技能集成
将 mgc_save / mgc_get / mgc_list / mgc_run / mgc_find / mgc_package / mgc_seal_package / mgc_open_webui 作为标准 MCP 工具提供。
开箱即用,支持 Copilot、Claude、Trae 和 IDE Agent。 -
🔄 零集成成本
任何兼容 MCP 的 Agent 都可以立即将 MGC 用作安全执行后端,无需 SDK 或自定义代码。 -
🛡️ 专为 AI Agent 安全而设计
保护用户意图、防止 Agent 越权,并强制执行严格的执行边界。
使用场景
1. 保护 API 密钥和凭据,避免 AI Agent 获取
加密存储机密。Agent 可以使用它们,但始终无法看到明文。
2. 安全的本地自动化
在本地运行 Python / Shell / Node 脚本,不会将敏感数据暴露给 AI 日志或云端系统。
3. 加密封装脚本并进行分发
与协作者或设备共享脚本,而不暴露源代码——接收方可以执行,但无法读取。
4. 跨节点执行
将加密封装的脚本发送到可信的远程节点:
- 发送方无法读取加密封装的内容
- 接收方无法读取加密封装的内容
- 只有目标节点可以解密并执行
5. 本地优先的 AI Agent 安全边界
为 Copilot / Claude / Trae / IDE Agent 提供本地安全层。
6. 保护隐私的 AI 工作流
支持财务自动化、个人数据处理和企业内部工作流,同时保护隐私。
7. 技能/工作流文件夹加密封装
通过 mgc_save(info_type='file', content=<local folder path>) 批量导入技能/工作流文件夹,然后通过 mgc_seal_package 将其打包为加密封装的 .mgc_file——接收方节点在各自的加密边界内解密并运行每个脚本,不会暴露源代码。
📘 价值场景
MGC Blackbox 为不同角色和环境提供可信的加密执行边界。
详细场景文档:
-
🧠 加密认知脚本执行
docs/Encrypted_Cognitive_Script_Execution.md -
🌐 跨节点执行授权(加密能力共享)
docs/Cross‑Node_Execution_Grant%20(Encrypted_Capability_Sharing).md
架构
加密层与性能
MGC 采用混合加密设计:
- AES‑256‑GCM — 批量数据加密
- RSA‑2048/4096 — 密钥封装与节点授权
加密层经 Cython 编译,旨在:
- 提升 AES 和 RSA 的性能
- 减少 Python 开销
- 提供密封、防篡改的执行边界
- 保持跨节点行为确定性
功能特性
- 本地加密存储
- 加密执行
- 一次存储,授权使用
- 环境迁移
- 跨 Agent 使用
- 跨平台支持
- 无删除功能(只能手动删除数据库)
- 用于跨节点执行的脚本密封
快速开始
1. 安装
pip install mgc-blackbox
2. 启动服务
mgc
3. 打开 WebUI
http://127.0.0.1:57218
4. 存储机密
from mgc import save
save("openai_key", "sk-xxxx")
5. 安全执行脚本
脚本在 MGC 的加密边界内运行。
示例:保存和检索机密
from mgc import save, get
save("openai_key", "sk-xxxx")
print(get("openai_key"))
MCP 集成
MGC 提供本地 MCP 工具接口:
mgc_save— 存储机密、脚本、文件或文件夹快照mgc_get— 检索加密内容mgc_list— 浏览已存储条目mgc_run— 在加密边界内执行已存储的脚本mgc_find— 根据info_type/info_owner/diff_1..3模糊搜索条目mgc_package— 将文件夹打包为密封的.mgc_filemgc_seal_package— 将密封包发送到可信节点mgc_open_webui— 打开本地 WebUI
兼容 Copilot、Claude、Trae 和 IDE Agent。
使用概览
1. 通过 AI Agent(Skills / MCP)
Agent 可以存储机密、检索加密项目、执行脚本并密封脚本。
2. 通过系统脚本(REST API)
外部脚本可以在运行时获取加密项目。
安全模型
- 所有数据均保留在本地
- 不上传到云端
- 不记录明文日志
- 确定性执行
- 用户控制授权
- 支持沙盒模式(受限环境下使用备用硬件指纹)
AI 技能规范
参见:docs/skill_spec.md
授权
可免费集成到任何第三方产品或 AI Agent 中,
但须获得官方授权,以确保生态完整性。
许可证
完整条款请参见 LICENSE 文件。
© 2026 MirginCipher 团队。保留所有权利。
---
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。