mastyf.ai 标志

mastyf.ai

你 AI 的边界安全。

运行时执行、策略控制，以及每次 AI 操作的完整审计追踪。

网站 · 快速开始 · 策略 · 仪表盘 · GitHub

问题

AI 代理可以读取你的文件、推送代码、查询数据库、执行 shell 命令以及调用外部 API。它们自主完成这些操作，速度快如机器。

传统安全控制措施并非为此而生。

Mastyf.ai 充当 AI 的边界安全层。它拦截每一次工具调用，使用多代理群组分析评估你的安全策略，并在恶意或未授权操作执行之前将其阻止。

每个决策都会被强制执行、记录并审计。

它能阻止什么

快速开始

从源码构建

克隆仓库并运行设置脚本。

要求：

Git
Linux（设置脚本会自动安装 Nix，如果需要）

git clone https://github.com/mastyf-ai/mastyf.ai.git
cd mastyf.ai
chmod +x setup.sh
./setup.sh

设置脚本会自动：

安装 Nix（如果需要）
启用 Nix flakes
创建开发环境
安装所有项目依赖
重建本地包
构建整个项目
添加一个便捷的 mastyf shell 别名

安装完成后，启动代理和仪表盘：

node dist/cli.js start

或者，打开新终端后直接使用别名：

mastyf

仪表盘将在以下地址可用：

仪表盘：http://localhost:4000

测试安装

如果仪表盘正在运行，验证 HTTP 桥接：

curl -X POST http://localhost:4000/mcp -H "Content-Type: application/json" -d '{"jsonrpc":"2.0","id":"1","method":"tools/list","params":{}}'

仪表盘

完全洞察你 AI 的每一次操作。

部分	你能看到什么
防护	阻止率、最常触发的规则、实时威胁流
活动	每次工具调用，包含完整参数、允许或阻止状态、时间戳
策略	实时规则编辑器，支持从 YAML 热加载
威胁实验室	AI 建议的攻击测试，审核批准后才应用

如果未启用仪表盘认证，请不要将端口 4000 公开暴露。默认的本地开发配置中 DASHBOARD_AUTH_DISABLED=true。

执行机制

每次工具调用在到达你的基础设施之前，会经过三层检查。

第一层 - 模式检测 基于正则表达式的扫描，用于检测注入、危险路径、泄露的秘密、shell 命令和编码技巧。微秒级执行，无需外部依赖。

第二层 - 模式验证 拒绝格式错误的负载、过大的参数以及 JSON-RPC 违规，在策略评估之前将其阻止。

第三层 - 语义审查 一个可选的本地 LLM（Ollama）或云端模型，用于评估通过模式检查但存在争议的调用。如果未配置模型，则回退到启发式规则。

任何失败的内容都会被阻止。工具永远不执行。所有操作都会被记录。

策略

你的规则位于 default-policy.yaml。它们归你所有。mastyf.ai 强制执行它们。

policy:
  mode: block
  default_action: pass
  unicode_strict: true
  rules:
    - name: block-sensitive-paths
      action: block
      argPatterns:
        - field: path
          patterns: ['^/etc/', '/\.ssh', '/\.aws/credentials']

    - name: rate-limit-tool-calls
      action: block
      maxCallsPerMinute: 120

    - name: block-shell-injection
      action: block
      patterns: ['rm\s+-rf', 'curl\s', 'wget\s', '`[^`]+`']

三种执行模式，安全地滚动推出：

模式	行为	使用时机
`audit`	记录所有内容，不阻止任何操作	第一周，了解你的 AI 在做什么
`warn`

HIPAA、PCI-DSS、GxP 和数据驻留的预置模板位于 policy-templates/。

架构

mastyf.ai 运行两个协同群组。CI 群组在代码发布前攻击你的策略。运行时群组在生产环境中强制执行并从每次实时工具调用中学习。四个反馈循环连接它们，使系统随着时间的推移越来越难以绕过。

flowchart TB

  AI["🤖 AI 客户端\nCursor · Claude Desktop · Cline"]

  subgraph CI["🔵 CI 群组（PR + 夜间）"]
    direction LR
    Scout["🔍 侦察代理\nSAST、依赖项、配置扫描"]
    Corpus["📋 语料库代理\n228 个夹具评估"]
    Evasion["⚡ 规避代理\n120+ 探针 + 生成新探针"]
    Parity["🔄 一致性代理\nNode 与 Python 对比"]
    ProxyA["🖥️ 代理群组代理\n实时 stdio MCP 测试"]
    Report["📊 报告代理\nsecurity-swarm/latest.json"]
    Scout --> Corpus --> Evasion --> Parity --> ProxyA --> Report
  end

  subgraph Runtime["🟢 运行时群组（生产代理）"]
    direction LR
    BG["🛡️ BlockGuard\n同步策略"]
    IL["📈 InstantLearner\n每次阻止的统计数据 + 建议"]
    SA["🧠 SemanticAuditor\n异步 LLM，可选"]
    PS["🔗 PatternSynthesizer\n批量建议"]
    Cal["⚙️ 校准器\n标签 + 阈值"]
    BG --> IL --> PS --> Cal
    BG --> SA --> PS
  end

  Tools["🗄️ MCP 工具\n文件系统 · GitHub · 数据库 · API"]

  AI -->|"每次工具调用"| BG
  BG -->|"✅ 允许"| Tools
  Report -->|"🔁 循环 A：绕过结果进入语料库"| Corpus
  Cal -->|"🔁 循环 B：阻止结果进入规则"| BG
  Cal -->|"🔁 循环 C：标签传输给 LLM"| SA
  Report -->|"🔁 循环 D：CI 指标每周"| Cal

  style CI fill:#EFF6FF,stroke:#3B82F6,stroke-width:2px,color:#1E3A5F
  style Runtime fill:#F0FDF4,stroke:#22C55E,stroke-width:2px,color:#14532D
  style Scout fill:#DBEAFE,stroke:#3B82F6,color:#1E40AF
  style Corpus fill:#DBEAFE,stroke:#3B82F6,color:#1E40AF
  style Evasion fill:#DBEAFE,stroke:#3B82F6,color:#1E40AF
  style Parity fill:#DBEAFE,stroke:#3B82F6,color:#1E40AF
  style ProxyA fill:#DBEAFE,stroke:#3B82F6,color:#1E40AF
  style Report fill:#DBEAFE,stroke:#3B82F6,color:#1E40AF
  style BG fill:#BBF7D0,stroke:#16A34A,color:#14532D
  style IL fill:#BBF7D0,stroke:#16A34A,color:#14532D
  style SA fill:#BBF7D0,stroke:#16A34A,color:#14532D
  style PS fill:#BBF7D0,stroke:#16A34A,color:#14532D
  style Cal fill:#BBF7D0,stroke:#16A34A,color:#14532D
  style AI fill:#FEF3C7,stroke:#F59E0B,stroke-width:2px,color:#78350F
  style Tools fill:#FEF3C7,stroke:#F59E0B,stroke-width:2px,color:#78350F

标准门控： 228/228 语料库，0 次绕过，100% 一致性

CI 群组

在每个 PR 和夜间运行。六个代理按顺序工作，每个代理加固前一个代理发现的问题。

运行时群组

在生产代理内部，每次工具调用时运行。

组件	工作内容
BlockGuard	每次调用时同步执行活动策略。失败时关闭。
InstantLearner	实时追踪每次阻止的统计数据，并呈现规则建议

反馈循环

循环

代理支持五种传输协议：stdio、HTTP、SSE、流式 HTTP 和 WebSocket。

关于使用 Redis、Postgres 和 Kubernetes 的企业级部署，请参阅 docs/ENTERPRISE_DEPLOYMENT.md。

威胁实验室

威胁实验室监控实时流量，并在检测到可疑模式时使用本地 LLM 提出新的攻击测试用例。不会自动应用任何内容。在仪表盘中，你审核并批准每条建议，然后它才会成为规则。

获批的发现会反馈到 CI 攻击语料库中，用于持续的回归测试。

ollama serve
ollama pull qwen3:8b

export OLLAMA_BASE_URL=http://127.0.0.1:11434
export MASTYF_AI_LLM_PROVIDER=ollama
export MASTYF_AI_LLM_MODEL=qwen3:8b

pnpm dashboard:proxy

MCP 包信任评分

在从 npm 安装任何 MCP 服务器之前，请访问 https://www.mastyf.ai/certified 检查其信任评分。评分涵盖 CVE 暴露度、域名抢注风险、维护者信号以及已知的攻击模式。免费，无需账户。

提示注入	隐藏在工具参数中的恶意指令，用于劫持代理行为
路径遍历	尝试访问 `/etc/passwd`、`.ssh/id_rsa`、`.aws/credentials`
秘密泄露	通过工具参数泄漏 API 密钥和令牌
shell 注入	反弹 shell、`rm -rf`、编码后的 PowerShell 命令
数据泄露	批量 SQL 导出、`git push`、`aws s3 cp`、未经授权的文件传输
SSRF	对元数据端点、localhost 和私有 IP 范围的调用
编码绕过	使用 Base64 块和 Unicode 同形异义字绕过模式检测
成本滥用	失控的代理循环耗尽 token 预算
rug-pull 攻击	在会话中途静默更改工具定义

A	CI 发现绕过	添加到语料库，CI 现在永久防御它
B	运行时阻止模式	合成为新规则，提升到 BlockGuard
C	校准器标签	用于微调 SemanticAuditor 阈值
D	CI 指标（每周）	更新运行时配置——使 CI 与生产环境保持同步

`node dist/cli.js start`	启动代理和仪表盘，端口 4000
`node dist/cli.js onboard`	包装你的 MCP 配置，使其通过代理路由
`node dist/cli.js doctor`	检查数据库、策略和环境的健康状态
`node dist/cli.js scan --all`	扫描 MCP 配置中的 CVE 和注入风险
`pnpm test`	运行完整测试套件
`pnpm security-swarm:fast`	快速安全回归测试，5 到 15 分钟
`pnpm security-swarm:analyze`	完整对抗性分析

仪表盘没有数据	代理和仪表盘必须使用相同的 `MASTYF_AI_DB_PATH`。默认是 `~/.mastyf-ai/history.db`
`dist/cli.js` 未找到	运行 `pnpm build`
AI 仍然直接调用工具	运行 `node dist/cli.js onboard --apply`
启动时出现 Ollama 警告	运行 `ollama serve` 或从环境中移除 `MASTYF_AI_LLM_PROVIDER`
npm install 失败	npm 发布尚未上线。请使用 `git clone` 和 `pnpm install`

Scout	SAST 扫描、依赖审计、配置审查
Corpus	评估所有 228 个攻击夹具对当前策略的影响
Evasion	运行 120+ 绕过探针，并使用 LLM 生成新探针
Parity	验证 Node 和 Python 实现产生相同的决策
Proxy	对正在运行的代理实例进行实时 stdio MCP 会话测试
Report	将完整结果和指标写入 `security-swarm/latest.json`

mastyf.ai

最受欢迎

mastyf.ai

问题

它能阻止什么

快速开始

从源码构建

测试安装

仪表盘

执行机制

策略

架构

CI 群组

运行时群组

反馈循环

威胁实验室

MCP 包信任评分

常用命令

故障排除

了解更多