mcpField
G
guardrails

guardrails

本地服务
github.com/ExpertVagabond安全19 周前更新

关于 guardrails

guardrails 是为 AI Agent 提供安全检查的 MCP 服务,可验证输入、过滤输出、执行策略、限制请求频率并记录审计事件。

主要功能

  1. 01输入验证与净化
  2. 02提示注入检测
  3. 03PII 与机密信息脱敏
  4. 04策略检查与频率限制
  5. 05审计日志与运行时配置

适用场景

  1. 01筛查 Agent 请求中的注入尝试
  2. 02从响应中移除敏感数据
  3. 03应用访问规则和请求配额

MCP 相关

它通过工具向 MCP 客户端提供输入验证、输出过滤、策略检查、审计查询、统计和配置更新功能。

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。

mcp.json · 通用配置
{
"mcpServers": {
"expertvagabond-guardrails": {
"command": "npx",
"args": [
"-y",
"guardrails-mcp-server"
]
}
}
}
启动命令npx -y guardrails-mcp-server

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npmguardrails-mcp-server1.0.1

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

guardrails-mcp-server

[!License: MIT](https://opensource.org/licenses/MIT) [!MCP](https://modelcontextprotocol.io) [!Node.js](https://nodejs.org)

用于 AI Agent 安全防护的 MCP 服务。提供输入验证、提示词注入检测、PII 脱敏、输出过滤、策略执行、速率限制和全面的审计日志记录。

工具

工具描述
validate_input通过所有防护检查验证并净化传入请求
filter_output从响应中过滤并脱敏敏感数据(PII、机密信息、凭据)
check_policy根据安全策略(RBAC、资源访问、配额)评估请求
get_audit_logs查询审计日志,可按类型、用户和时间范围筛选
get_stats获取引擎统计信息,包括活跃用户数、拦截率和请求数
update_config在运行时更新防护配置

安全功能

  • 提示词注入检测 -- 使用 12 种正则表达式模式检测越狱、DAN 模式和系统提示词覆盖
  • PII 检测与脱敏 -- SSN、信用卡、电子邮件、电话、IP、API 密钥、AWS 密钥、JWT、密码、私钥、连接字符串
  • 恶意代码拦截 -- eval、exec、subprocess、child_process、shell 注入
  • 策略引擎 -- 拦截敏感路径、危险工具、未经身份验证的破坏性操作;支持 URL 允许列表和维护时段
  • 速率限制 -- 按用户使用滑动窗口限制(每分钟请求数可配置)
  • 审计日志记录 -- 带指标的时间戳事件、日志轮换和外部处理器支持

安装

npm install

配置

{
  "mcpServers": {
    "guardrails": {
      "type": "stdio",
      "command": "node",
      "args": ["/path/to/guardrails-mcp-server/index.js"]
    }
  }
}

项目结构

src/engine/GuardrailsEngine.js    # Core orchestration
src/validators/InputValidator.js   # Prompt injection and PII detection
src/filters/OutputFilter.js        # Redaction and harmful content blocking
src/policies/PolicyEngine.js       # RBAC, quotas, maintenance windows
src/audit/AuditLogger.js           # Event logging and metrics

许可证

MIT

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。