mcpField
A
akf

akf

本地服务
akf.devAI 与智能体204 天前更新

关于 akf

akf 是一个 MCP 服务,让 Agent 管理文件中的 Agent Knowledge Format 信任元数据。工具可检查并标记验证状态、校验元数据、审计合规性及扫描安全威胁。

主要功能

  1. 01检查文件验证状态
  2. 02为文件添加信任元数据
  3. 03校验并提取 AKF 元数据
  4. 04审计合规性
  5. 05检测 AI 专项威胁

适用场景

  1. 01判断文件是否需要重新验证
  2. 02审阅文档后记录来源信息
  3. 03按合规要求审计文件

MCP 相关

向 MCP 客户端提供 10 个 AKF 工具,用于检查、标记、校验、审计和扫描文件。工具结果可在元数据中附带文件的实时验证状态。

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": {
"hmakt99-akf": {
"command": "uvx",
"args": [
"mcp-server-akf"
]
}
}
}
启动命令uvx mcp-server-akf

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
pypimcp-server-akf1.6.2

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

mcp-server-akf

mcp-name: io.github.HMAKT99/akf

MCP(模型上下文协议)服务,向 AI Agent 提供 10 个 AKF 工具。 任何兼容 MCP 的客户端(Claude Desktop、Claude Code、Cursor、Windsurf 等) 都可以使用 Agent Knowledge Format 检查、标记、验证、审计和扫描文件。

标记一次约需 15 个 token。重新验证则需 15,000 个 token。 Agent 会为已验证的内容添加标记;下一个 Agent 调用 check_file,即可基于已有结果继续工作,无需重复验证。

安装

pip install mcp-server-akf

配置

Claude Desktop

添加到 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "akf": {
      "command": "python",
      "args": ["-m", "mcp_server_akf"]
    }
  }
}
Cursor

添加到项目根目录下的 .cursor/mcp.json:

{
  "mcpServers": {
    "akf": {
      "command": "python",
      "args": ["-m", "mcp_server_akf"]
    }
  }
}

工具

工具描述
check_file一行信任检查——Agent 能否基于此文件继续工作,而无需重新验证?(OK / LOW / STALE / UNSTAMPED)
create_claim创建带有信任元数据的 AKF 声明
validate_file根据规范验证 .akf 文件
scan_file扫描任意文件中的 AKF 元数据
trust_score计算声明的有效信任分数
stamp_file为任意文件添加信任元数据(支持 20 多种格式)
audit_file合规性审计(EU AI Act、SOX、HIPAA、GDPR、NIST、ISO 42001)
embed_file将 AKF 元数据嵌入 DOCX、PDF、HTML、图像等文件
extract_file从任何受支持的格式中提取 AKF 元数据
detect_threats执行 10 项 AI 专项安全检测

快速使用

配置完成后,向 AI Agent 提出以下请求:

“为 report.docx 添加 AKF 信任元数据,置信度设为 0.9,证据为‘季度审查已完成’”

Agent 会通过 MCP 调用 stamp_file,并自动附加来源信息。

你也可以直接运行服务进行测试:

python -m mcp_server_akf

工具结果中的验证状态(实验性)

在 mcp 2.x 中,针对文件的工具结果(任何使用 path 调用的工具)都会在 _meta 中、供应商键 dev.akf/trust 下携带该文件的验证状态:

"_meta": {
  "dev.akf/trust": {
    "v": "1",
    "status": "OK",
    "trust": 0.7447,
    "evidence": ["human_review"],
    "agent": "claude-code",
    "age_days": 4
  }
}

status 会实时计算(OK / LOW / STALE / UNSTAMPED),因此客户端可以查看文件自验证以来是否发生变化。若结果与文件无关,则不会包含此键。不识别该键的客户端会忽略它。

若要为你自己的服务结果添加注释:

from mcp_server_akf.meta import TRUST_META_KEY, trust_meta

meta = trust_meta(path)
return CallToolResult(content=[...], _meta={TRUST_META_KEY: meta} if meta else None)

若要在客户端中读取此信息:

result = await client.call_tool("extract_file", {"path": "report.md"})
state = (result.meta or {}).get("dev.akf/trust")
if state and state["status"] == "OK":
    ...  # verified and unchanged: build on it without re-verifying

多 Agent 支持

该 MCP 服务可与多 Agent 编排平台无缝协作:

  • Agent 身份:通过 akf agent create / akf agent verify 创建并验证 Agent 卡片
  • A2A 协议:通过 akf agent export-a2a 导出/导入 Agent 卡片,以便跨平台发现
  • 团队认证:在 CI 中使用 akf certify --team 查看各 Agent 的信任明细
  • 委派:Agent 移交工作时,信任上限会限制受委派 Agent 的输出
  • 团队流式协作:支持多 Agent 会话,并按 Agent 归属标注声明

支持:Claude Agent Teams、Copilot Cowork、Codex 多 Agent,以及任何兼容 A2A 的平台。

要求

  • Python >= 3.10
  • akf >= 1.0.0
  • mcp >= 1.0.0

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。