pAIchart MCP Hub

pAIchart — 输入高级设计，输出经过审查的低级设计

— 源码可用：可自行托管、修改和再分发；不得作为托管服务提供给第三方。

跨网络设备、Terraform、Kubernetes 和可观测性技术栈（Prometheus / Grafana / OpenTelemetry）——在开放的 MCP Hub 上。向 pAIchart 提供位于任意可获取位置的 requirements.md 和 topology.json，它就会返回经过审查的低级设计：每台设备的配置、用于验证其正常工作的确切命令，以及回滚方案。你的团队会在带外以幂等方式应用它。pAIchart 负责设计并审查变更；它绝不会应用变更。

LLD 正是它要消除的瓶颈。如今，编写一份 LLD 意味着资深工程师要读取每台设备的实时状态、用各厂商的语言编写配置，并手动协调跨域传递的值。pAIchart 将这项工作作为由专业 Agent 组成的图来执行，分三个层级进行检查，并交付一份经过审查、等待你批准的结果。你不再需要为每个系统编写内容，而只需批准一个方案包。

有向无环图（DAG）协调 Agent

其他解决方案提供的是任务 DAG。pAIchart 提供的是经过审查的变更 DAG。

每个节点都是一个由 Agent 组成的领域流水线 采集实时状态 → 设计 → 编写 → 审查，每条边都传递一个运行时才产生的值。彼此之间没有连边的分支会并行运行；依赖边则规定顺序，并将实际推导出的值传递下去。

                    ┌──▶ [firewall leg] ──┐
[network leg] ──────┼──▶ [cloud leg] ─────┼──▶ [integration review] ──▶ release gate
                    └──▶ [k8s leg] ───────┘
     derived range                              checks all legs against
     exists only after                          the one shared contract
     this leg runs

这就是图与脚本的区别：云端分支会精确授权网络分支推导出的地址范围，因为云端分支读取了网络分支创建的内容。高级设计中不存在预定义值。

• 多个分支可并行运行或按顺序执行，并支持上下文串联和依赖关系
• 目前支持四个基础设施领域——网络设备、Terraform、Kubernetes、可观测性配置（Prometheus / Grafana / OpenTelemetry）——另加产物合成；整体架构也便于扩展：可观测性领域是通过配置新增的（包括一种协议、四个角色模板和一个只读服务描述符），无需更改引擎
• 图与工作一同声明在单个 PIPELINE 任务中，而不是定义在另一个同样需要你运维的调度器中
• 可通过 AI 客户端或 Web UI 上的审批关卡放行；两者共用同一代码路径
• 实时状态来自你的设备，通过各设备的 MCP 服务以只读方式采集

如何通过三个层级检查正确性，且较低层级的结果不能被推翻

第 1 层——用代码进行算术检查。在适用的情况下，pAIchart 会使用代码进行确定性检查，而不是依赖 LLM 审查者的信心。每个派生值都会标记一个 kind，引擎会针对该类型，使用采集到的证据进行算术运算——绝不会使用软件包对这些证据的转述：

• cidr — 派生范围是否恰好覆盖其声明的成员？可捕获范围过宽（将已分配的地址一并纳入）和范围过窄（声称的成员落在范围之外）。
• asn — AS 号是否位于私有范围内，且采集到的状态是否授权了它？这里的关系刻意反转：采集结果是允许列表——设计中设置的 AS 号必须是设备已经在运行的，或是目标中明确指定的。

如果某个 kind 尚未实现，平台会明确说明。它会将该值记录为未经过机械化检查，并将其升级给集成审查者——绝不会把未经检查的值算作通过。VT-14 端到端验证了这条路径：审查者指出了未覆盖的值，追溯了它的来源，发现它没有对应的设备配置，并否决了两项已通过的检查和其自身的批准。

第 2 层——独立审查者。每个环节各有一名审查者，根据各自的契约进行审查；另有一名集成审查者，根据共享契约审查所有环节——并对组合结果运行该领域自身的验证器（完整拓扑 Batfish、terraform plan、kubeconform）。它会使用这些验证器，而不会重新实现它们。

第 3 层——发布门禁。采用确定性的 AND 逻辑：每个环节都已批准 且 没有遏制违规 且 任何未检查的值都有合理的说明 且 集成审查者已批准 且 覆盖完整。门禁中不包含任何信心分数。

无论上层由谁批准，第 1 层的违规都会阻止通过。

我们发布失败的轮次，这就是证明

这个类别的大多数项目都要求你相信演示。我们提供了 21 份验证文档，每份都会在运行前说明预期的可观测结果，然后记录实际发生的情况。

也请看看那些出错的案例。VT-12：某程序在扩大授权的同时，自行认证 programReleasable: true。五层检查都未能发现问题，因此现在会用代码而非文字检查最小性。

• 两次逐字节相同的审查运行，对同一输入分别打出 45 分和 92 分。因此，信心在每个层级都被降级为一项记录事实；发布门禁只根据可验证的事实作出决定——其中不包含任何信心分数。
• 无法运行的检查会导致阻止，而不是通过。“我们无法验证”绝不会被当作“没问题”。
• 三个正确的变更包遭到拒绝，因为审查者对其结构上无法看到的内容作出了判断——其中一位写道“我无法独立重新验证此比较”，却仍断言了结论。改进措辞关闭了一条路径，但同类问题在下一轮再次出现，因此现在会在证据所在之处计算比较结果并交给审查者——审查者仍会对事实无法判定的所有内容作出判断（VT-21）。

→ 验证资料包 · 每项声明均链接到其机器记录 · 协议 · 面向 Agent 的契约，所有运行都依据这些契约进行验证；契约原文发布，并与平台种子逐字节校验一致

五大领域，一个支架

• 网络配置： “为每台交换机添加一个 Loopback0，并将其通告到 BGP” → 生成获批的变更包，由配置团队以幂等方式应用：根据描述符自助配置只读设备服务，采集真实运行状态，设计并编写逐设备配置、验证和回滚方案，再由独立审核者把关。 → 变更报告示例
• Kubernetes / GitOps： “为 orders-api Deployment 添加 HPA 和资源 requests/limits” → 根据集群实时状态生成声明式 kustomize 覆盖配置，并在离线环境中验证（kubeconform / kustomize build / OPA，绝不运行 kubectl diff）。只读，受 RBAC 限定；会显示 Secret 名称，其值绝不会离开集群。 → 示例（包含一次有理有据的 NEEDS-REVISION——审核者拒绝批准无法验证的内容） · 第二个示例（三轮完成 PodDisruptionBudget——第一份变更包的差距清单成为目标，审核者因可用性计算不当拒绝了首次尝试，修订版则因选择了不同的字段而获批）
• 可观测性配置： “在采集器的指标流水线中将 memory_limiter 处理器置于首位，并按 256 MB 容器规格设置大小” → 为运行中的 Prometheus / Grafana / OpenTelemetry 技术栈生成完整文件级期望状态配置，只读采集自采集器已部署文件和 Prometheus 的运行中配置，并提供确定性的应用前验证、以存在性为准的应用后检查，以及采集到的文件作为回滚方案。 → 示例（首个发布后也实际应用的变更包，展示了运行中的系统之后显示的内容——也是审核者首次读取平台盖章的回滚来源事实，而非猜测引文是否确为引文）
• Terraform / 云 IaC：“为 acme-app-logs 存储桶添加版本控制和公共访问阻止配置” → 基于限定范围的 state pull 生成 HCL 变更包，作为 PR 提交（不启动任何 provider，也不锁定状态），并附上 validate / plan / tflint / OPA 预期事实和回滚方案。 → 示例（展示分层防护：类似秘密的标签已脱敏，提示词注入标签已拒绝）
• 产物合成：源材料（git 历史、执行日志、一个 POV 的交付历史、外部 MCP 服务）→ 通过采集 → 编写 → 审核，生成可发布的交付物。 → 示例

安全地连接你的实时系统——MCP 中枢

收集步骤是一次中枢调用，这套机制也向所有人开放：注册服务、按能力发现服务并编排服务——使用各自用户的身份，不共享 API 密钥。

• 按用户进行身份验证：每次外部调用都通过 OAuth（GitHub / Microsoft）以你的身份运行。没有共享的平台账户。
• 服务可自行验证的令牌：中枢会为每次调用签发一个短期令牌，并在 JWKS 端点发布公钥。支持 JWKS 的服务会自行验证签名，因此 pAIchart 签发的身份凭证可取代 URL 中的静态 API 密钥，我们之间绝不会共享任何密钥。签名密钥每 90 天轮换一次。
• 每个令牌仅对应一个服务：每个签发的令牌都带有按服务限定的受众（RFC 8707），因此从一个服务泄露的令牌无法被重放到另一个服务。
• 信任级别：6 级模型控制令牌转发（INTERNAL → TRUSTED → OWNER → TEAM_MEMBER → SCOPED → ANONYMOUS）。
• 面向 Agent 的固定工具接口：执行循环永久调用六个稳定工具——新注册的服务可通过服务调用供所有 Agent 访问，无需新增工具架构、修改提示词或重新部署。
• 开放注册表：任何 MCP 服务都可以通过一条命令注册，且默认设为私有；按能力而非名称进行发现；工作流可按顺序、并行或有条件地串联服务。

管理、可观测性与访问控制

• 在 Web 应用中更改 DAG 定义或任何 Agent 的系统提示词。数据存储在数据库中，无需重启或重新部署即可生效。
• 完整取证：可在 GUI 中浏览每次运行的元数据和产物：每个 Agent 看到了什么、生成了什么、运行了哪些检查，以及关卡为何暂停。
• 多用户：RBAC 和个人 API 密钥。
• 按 Agent 选择模型：通过下拉菜单从当前 Claude 系列中选择。

组织工作——POV → 阶段 → 任务

在大多数 Agent 框架中，编排图是代码——仅在运行期间存在。在 pAIchart 中，DAG 的每个节点都是一项任务：一条持久化记录，包含状态、依赖项、产物和历史记录，并位于团队已在使用的同一交付计划中。计划和流水线都只是带类型的任务，因此图在重启后仍会保留；每个 Agent 的工作都是可浏览的工作项；审批关卡则是一次任务状态转换——与人工完成任务时经过的流程相同，走的是同一条通用代码路径。

这也解释了为什么无需单独运维调度器，以及为什么取证功能开箱即用：工作流引擎就是交付计划。问一句*“我的哪些 POV 有风险？”*就能得到答案——无需使用 UI。

开始使用

pAIchart 是一个托管的 MCP hub，可配置为 Claude 连接器或 ChatGPT 应用，因此无需安装任何内容。将 AI 客户端指向端点，完成身份验证，然后说明目标。

• Hub：https://paichart.app/mcp
• 连接方式：Claude Desktop（GitHub OAuth）或 ChatGPT（Microsoft OAuth）——也可以使用 Web 应用
• 第一句可以说：“Help me get started with paichart”——也可以运行 list_prompts() 查看所有引导式工作流
• 隐私：PRIVACY-DEMO.md——演示账户存储的内容、可执行的操作，以及 30 天后自动删除

要运行一个程序（DAG），请在任何可获取的位置提供两个文件（GitHub 仓库即可）：

文件	内容
requirements.md	你的 HLD——以文字说明目标及其约束
topology.json	范围内的设备／目标及其连接方式

然后，在 AI 客户端中请求加载“HOWTO-use-pov-program”提示词，或在 GUI 中创建一个任务，即可运行图。 在 GUI 中查看共享 POV 里的大量示例，或者询问“list my povs and show me the details” 也可以从更简单的操作开始：

• 使用 HOWTO-use-pipeline-harness 提示词，然后询问“为每台交换机配置一个 Loopback0，并将其通告到 BGP”——运行一条流水线，处理一个域，并返回经过审核的软件包
• “我的哪些 POV 存在风险？”——直接获取交付分析结果
• “发现服务”——按功能浏览注册表

自行运行

在全新 Ubuntu 24.04 机器或 VM 上完成安装——docs/SELF-HOST-RUN-SHEET.md。 按顺序执行每条命令，无需预先准备任何内容：安装 PostgreSQL 16 和 Node 20，创建数据库，克隆、配置、初始化并启动应用， 完成首次登录，创建管理员账户，安装 Claude Code 并将其连接到你的 hub，还可以选择注册你自己网络中的服务。大约需要 40 分钟，其中大部分时间用于运行 npm ci。

已经有 Node 20、PostgreSQL 16 和一个空数据库？简要步骤如下：

git clone https://github.com/paichart/paichart && cd paichart && npm ci
cp .env.example .env               # set DATABASE_URL, APP_BASE_URL and ADMIN_EMAIL; then:
npm run --silent jwt:keys >> .env  # RS256 signing keys (--silent keeps npm's banner out of .env)
npm run db:seed                    # schema, grants, first SUPER_ADMIN (password printed once), protocols, hub prompts
npm run dev                        # web app  → http://localhost:3000
npm run mcp:http:dev               # MCP hub  → http://localhost:8080/mcp

• docs/RUNNING.md——说明每个步骤的作用：双进程结构、角色、APP_BASE_URL、生产环境说明
• docs/VERIFYING-SELF-HOST.md——证明安装使用自己的身份：每个令牌和 OAuth 文档都基于你自己的 APP_BASE_URL 生成，并且会拒绝为其他任何发行方签发的令牌
• docs/OAUTH-SETUP.md——注册你自己的 GitHub / Google / Microsoft 应用（可选；无需注册也可使用密码登录）
• CONTRIBUTING.md · SECURITY.md

该平台以Elastic License 2.0 提供源代码：你可以使用、修改、自托管（包括在自己的组织内用于商业用途）并再分发；唯一禁止的事项是将其作为托管或管理服务提供给第三方。本仓库包含完整源代码（Web 应用 + MCP 服务），以及协议和验证套件。paichart.app 上的托管服务运行的也是同一份代码。服务器管理工具（监控、部署、备份）有意不纳入此仓库。

内部机制

You (Claude Desktop / ChatGPT / web app)
  → authenticate to the pAIchart Hub
  → one PIPELINE task, its title declaring the graph, pointing at your HLD
      │
      ├─▶ Program Architect designs the DAG + the interface contract every leg must honour
      │
      ├─▶ ⏸  PLAN GATE — a human releases it (AI client or GUI, one common code path)
      │
      ├─▶ legs execute: parallel where no edge joins them, sequenced where one does
      │     each leg:  harvest (read-only, via per-device MCP) → design → author → review
      │     each edge:  carries a real derived value forward, not an assumption
      │
      ├─▶ Tier 1 arithmetic in code · Tier 2 integration review over the composed set
      │
      └─▶ release gate — a deterministic AND, no confidence number
              ↓
    a reviewed LLD change package, in your AI client and the web GUI
    your team applies it — idempotently, out of band, with the rollback

所有外部调用都以你的身份执行，绝不会使用共享的平台账户——这一点在 Agent 之下强制执行，因此即使提示词注入了 Agent，它也无法超出发出请求的用户权限。

实时服务

Hub 的开放注册表。设备服务有所不同——每次运行时都会根据描述符按需配置，并在运行结束后拆除，因此 pAIchart 绝不会存储你的设备凭据。描述符规范是开放的：规范 + JSON Schema + 四个经过生产环境验证的示例——为你自己的设备编写一个描述符，并在运行前验证。

服务	功能	用户级身份验证
Snowflake	数据仓库查询	✅ 外部 OAuth
EIA	美国能源数据分析	服务账号
Weather	实时天气数据	服务账号
EODHD	金融市场数据	服务账号
Alpha Vantage	金融数据 — 113 个工具	服务账号
Browser Automation	网页抓取、屏幕截图、PDF	服务账号
Notifications	电子邮件、Slack、webhook	服务账号
Token Validator	JWT/JWKS 集成与信任级别调试	✅ 用户级 JWT

运行 HOWTO-register-service（list_prompts()），查看从基本注册到 A 级工具架构、访问控制和信任级别的操作指南。

只需一条命令即可注册你自己的服务：

registry(action: "register", {
  name: "my-service",
  description: "What your service does",
  endpoint: "https://my-service.com/mcp",
  category: "data-services"
})

学习

• 验证资料包 — 20 份文档，每份都在运行前说明预期观察结果。包括失败的轮次。
• 协议 — 资料包用于约束运行的、面向 Agent 的精确契约；原样发布，并与平台种子逐字节校验。决策日志中的每个版本标记都能在此找到可读文本。
• 开放问题 — 面向研究人员。我们认为有趣的三项发现（一处缺陷曾在信心逐步上升时获得三层审查人员的一致认可）、一个我们无力定论的假设，以及我们愿意分享的实验室运行数据。
• 案例研究 — 同一个真实网络→云项目的三篇操作指南：经机器检查（能信任它吗）、由你审批；并非由你编写（它能带来什么）、多领域项目内部解析（它如何构建——DAG、审查层级及其扩展能力）。
• MCP 工具卓越实践 — 共 12 章，介绍如何构建无需外部文档即可供 AI 客户端调用的 MCP 工具，内容摘自 pAIchart 自身的生产审计：tutorials/README.md
• @paichart/containment-checks — 一级算术检查，原样提取为 MIT 许可库，并附带其事件样例测试套件：对 LLM 衍生基础设施值（cidr、asn——可按 kind 扩展）进行机械检查；未实现的检查会报告未经过机械覆盖，绝不会报告通过。

链接

• Hub（在此连接）：paichart.app/mcp
• JWKS：https://paichart.app/api/auth/jwks
• 验证：verification/
• 文档：AI 客户端中的 MCP 资源，或 list_prompts()
• 源代码与自托管：本仓库 — docs/RUNNING.md

致谢

设备采集基于 @sydasif 的 nornir-napalm-mcp 构建，依据 MIT 许可证使用，并经过修改。

关键词

mcp mcp-hub mcp-server model-context-protocol dag directed-acyclic-graph multi-agent-orchestration low-level-design hld-to-lld change-synthesis intent-driven human-gated network-automation network-provisioning napalm nornir batfish kubernetes gitops terraform infrastructure-as-code multi-domain-automation verification deterministic-gate autonomous-agents change-management delivery-management pov service-discovery external-oauth jwks rfc8707 per-user-authentication workflow-orchestration claude-desktop chatgpt snowflake