代理欺诈分析
一种使用模型上下文协议（MCP）进行自动欺诈检测、调查和缓解的智能多代理系统。
建筑
概述
该系统使用三代理架构来端到端地处理欺诈事件：
| 代理 | 角色 | 它的作用 |
|---|---|---|
| 警报分类代理 | 第一响应者 | 整合警报、关联模式、创建/合并事件 |
| 诊断代理 | 调查员 | 执行根本原因分析（RCA），识别攻击模式 |
| 缓解剂 | 问题解决者 | 开发和部署自动化解决方案 |
运作原理
- 监控服务 检测异常并发送警报
- 警报分类代理 处理传入警报并创建事件
- 诊断代理 使用可用的MCP工具调查根本原因
- 缓解剂 提出并执行修复
- 循环中的人类 通过用户界面审查和批准计划
关键组件
- AI代理：通过注册表路由请求，处理身份验证
- MCP服务器：用于特定功能（数据分析、机器学习模型等）的模块化工具服务器
- 用户界面：用于查看事件和批准代理计划的仪表板
入门指南
先决条件
- Python 3.8+
- 紫外线 包管理器
安装
# Clone the repository
git clone https://github.com/yanfeid/agentic-fraud-analysis.git
cd agentic-fraud-analysis
# Install uv if needed
pip install uv
# Set up environment
cp .env.example .env
# Edit .env with your credentials (Azure API keys, etc.)运行系统
# 1. Start MCP servers (demo mode)
uv run run_toy_mcp.py
# 2. Start the API server
uv run run_api.py
# 3. Start the UI
uv run run_ui.py用户界面将在 http://localhost:8501
配置
编辑 .env 配置：
| 变量 | 描述 |
|---|---|
MODEL_NAME | 要使用的LLM模型（默认值： gpt-4o) |
AZURE_CLIENT_ID | LLM API的Azure凭据 |
GITHUB_TOKEN | GitHub访问令牌 |
许可证
该项目正在申请专利。禁止商业使用。