mcpField
M
MGC Blackbox – Local Encrypted Execution Layer

MGC Blackbox – Local Encrypted Execution Layer

本地服务
github.com/zkeviny安全23 周前更新

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

  1. 01本地加密存储
  2. 02在加密边界内运行脚本
  3. 03密封脚本和文件夹以便发送
  4. 04向可信节点委派密封任务
  5. 05提供存储与执行工具

适用场景

  1. 01避免凭据以明文暴露给 Agent
  2. 02使用敏感数据运行本地自动化
  3. 03分发脚本而不暴露源代码
  4. 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。

暂未收录安装方式

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。

代码仓库

工具

还没有获取到工具列表

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。

License Platform MCP PyPI

📌 路线图: MGC Blackbox — 2026 Development Plan


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:


架构

README 配图


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_file
  • mgc_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。

联系:[email protected]


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

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

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。