mcpField
A
Almega

Almega

本地服务
github.com/almega-ai金融数据019 周前更新

关于 Almega

Almega 是一款开源 MCP 服务,在 AI Agent 操作外设置固定策略边界,涵盖支付及其他敏感操作。运营者定义限额和审批规则,Agent 通过受控工具执行操作,所有请求都会记录。

主要功能

  1. 01按 Agent 设置操作边界
  2. 02支付限额与类别白名单
  3. 03敏感操作需人工审批
  4. 04按策略拦截或放行操作
  5. 05仅追加式审计账本
  6. 06查询策略状态的工具与资源

适用场景

  1. 01限制 Agent 的支付金额和类别
  2. 02要求部署或删除前先审批
  3. 03执行前审查待处理操作
  4. 04查看 Agent 的策略和审计记录

MCP 相关

向 MCP 客户端提供策略、请求、支付、审批和审计工具,以及账本、策略框架和待处理操作资源。

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

🛡️ Almega — 面向 AI Agent 的不可变委派框架

把所有工作都委派给你的 Agent——但它们无法越过设定的边界。

一次设定好边界。你的 Agent 可以在其中自由运行。任何敏感操作—— 花钱、删除文件、部署到生产环境、发送电子邮件——都会暂停,等待你一键批准。一切操作都会记录在案。一个开源的 MCP 服务。

Agent 执行操作;Almega 允许安全操作,将敏感操作暂缓以等待人工批准,并根据不可变框架拦截危险操作


问题:你想委派工作,而不是时时看管

Agent 的意义就是接手工作,让你可以离开。但它一旦开始自主行动,就可能花钱、触碰生产环境、删除数据、调用工具——而你无法真正控制它到底做了什么。

看似诱人的解决办法,是把规则写进提示词:“别花超过 50 美元,别碰生产环境。”**这行不通。**只要任务驱动模型不再遵守指令,它就会违背指令;网页上的提示词注入也可能覆盖指令,循环中的 Bug 更可能完全忽略指令。指令只是愿望。

**边界必须设在 Agent之外——这样 Bug、攻击或 Agent 本身都无法靠花言巧语越过边界。**这就是 Almega。

工作原理

人类只需设定一次框架(Agent 没有工具可以修改框架):

set_frame(
    "ops-bot",
    allow=["read", "search"],                              # runs free
    require_approval=["payment", "deploy", "file.delete"], # pauses for you
    block=["shell.exec"],                                  # never
    default="approval",                                    # unknown action → ask you (fail-safe)
    monthly_limit=200, allow_categories=["api", "saas"], approve_above=50,  # payment sub-frame
)

之后,Agent 在执行任何敏感操作前都会发起请求,由 Almega 在框架之外作出决定:

request("ops-bot", "read",   "read config.yaml")            # → ALLOWED   (runs free)
request("ops-bot", "deploy", "deploy build #418 to prod")   # → AWAITING_YOU
request("ops-bot", "shell.exec", "rm -rf /")                # → BLOCKED
pay("ops-bot", "openai.com", 12, "api")                     # → ALLOWED   (under your cap)
pay("ops-bot", "vendor.io",  800, "retail")                # → BLOCKED   (off-frame)

等待批准的操作会暂停,直到你点击一次:

approve("act_0002")            # deploy → cleared to run
reject("act_0003", "not that database")

每一次尝试——无论是获准、拦截还是暂缓——都会记录到只追加的审计账本中。

支付只是受保护操作的一种

Almega 最初是面向 Agent 的钱包——为每个 Agent 设定支出限额并要求人工批准,底层采用真正的 Stripe Issuing 测试模式后端(不涉及真实资金)。钱包仍然可用:运行 almega-wallet。在 Gate 中,pay() 是内置的旗舰操作——使用同一个 Gate 和同一套审批流程。它的意义在于保护你希望在执行前由人工参与的任何操作,而不只是支付。

工具

工具功能
set_frame定义 Agent 的不可变边界(仅限操作者)
requestGate——Agent 在执行敏感操作前发起请求 → ALLOWED / BLOCKED / AWAITING_YOU
pay旗舰支付示例(基于 request 的便捷封装)
approve / reject人工批准或拒绝暂缓的操作
pending待审批收件箱
ledger完整审计日志
get_frame查看框架和当前累计支出

此外还提供资源:almega://ledger、almega://frames、almega://pending。

为你自己的工具加上 Gate

使用 @gated 包装任意工具,这样它的实际代码就无法在框架之外运行——受 Gate 保护的是操作本身,而不只是响应:

from almega_gateway import gated, approve_and_run

@gated("file.delete")
def delete_file(path): ...          # the dangerous part

delete_file("customers.db")          # → held; the file is NOT deleted
# ...you review and approve, then:
approve_and_run(action_id)           # → only now does it actually run

被拦截或未经批准的调用不会产生任何副作用。透明的网关可将 Almega 放在任意 MCP 服务前面,自动为每个工具加上 Gate,无需进行任何代码改造。它基于这一能力构建,即将推出。

安装

pip install almega-mcp        # or: uvx almega-mcp

已列入官方 MCP 注册表,名称为 io.github.almega-ai/almega-mcp。采用 MIT 许可证。

为什么选 Almega,而不是大厂的方案

Stripe、Rain 和 AWS 正在构建 Agent 支付控制方案——封闭、仅限支付,并锁定在各自的平台上。Almega 则刻意选择相反的道路:

  • 开源且原生支持 MCP——你的 Agent 可以将 Gate 作为原生工具使用,无需额外粘合代码。
  • 保护所有操作,而不只是支付——支付、工具调用、删除、部署、电子邮件。
  • 没有供应商锁定——你的控制层位于任何支付通道之上;更换支付通道,Almega 仍可继续使用。

决定 Agent 是否应该执行操作的机制,不应该由单一支付供应商掌控。

后续计划(路线图)

  • The Almega Gateway — 将它放在其他 MCP 工具前面,即可自动拦截每次敏感调用,无需埋点。(这才是妙处;上述工具只是基础。)
  • 持久化、审批仪表板、团队策略、审计导出、SSO——团队愿意付费购买的治理层。

目前它只是一个演示项目(数据存储在内存中)。重点是让大家在五分钟内看懂这个模型。


正在构建能真正执行任务的 Agent 吗?我很期待听到你对框架模型和 MCP 接口的反馈——你希望拦截哪些操作?还缺少什么?

(创始成员可按创始人专属价格永久锁定托管版本——Gateway + 审批仪表板:alemgaai.netlify.app。上面的服务免费,且可由你自行保留。)

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。