MCP approval

MCP批准-工具调用批准系统

一个生产就绪、可插拔的AI工具调用批准系统，集成了模型上下文协议（MCP）。

概述

该项目提供两种类型的审批机制：

1. 工具级别批准 -根据工具名称和描述批准/拒绝
2. 呼叫级别批准 -通过检查运行时参数（例如。， get 是安全的，除非 all_namespaces=True)

两者都与LangChain代理和MCP服务器无缝集成。

快速开始

1.安装依赖项

make install

2.设置API密钥

export OPENAI_API_KEY='sk-...'

3.运行Demos

# Start the mock MCP server (in one terminal)
make server

# Run the LangGraph demo (in another terminal)
make demo

# Or run the OLS-style streaming demo
make demo-ols

4.清理（可选）

# Clean temporary files and caches (__pycache__, *.pyc, .pytest_cache, *.egg-info)
make clean

# To remove the virtual environment, run:
# rm -rf .venv

核心组件

approvals.py -核心审批逻辑

独立、可重用的审批类：

课程：

• BaseApprovalConfig -带有公共字段的基本配置
• ToolLevelApprovalConfig -工具级审批配置
• CallLevelApprovalConfig -呼叫级别审批配置（扩展ToolLevelApprovalConfig）
• BaseApproval -审批处理程序的抽象基类
• ToolLevelApproval -根据包含危险动词的工具名称/描述进行批准
• CallLevelApproval -通过参数模式匹配扩展ToolLevelApproval
• ToolRequest -工具调用结构的TypedDict
• default_cli_approval_handler -默认CLI审批界面

例子：

from approvals import ToolLevelApproval, ToolLevelApprovalConfig

config = ToolLevelApprovalConfig(dangerous_verbs=["delete", "remove"])
approval = ToolLevelApproval(config=config)

tool_request = {"name": "kubectl_delete", "description": "...", "args": {...}}
approved = await approval.check_and_approve_tool(tool_request)

approval_client.py -LangChain/MCP集成

LangChain代理与MCP服务器集成。

功能：

• discover_mcp_tools() -连接到MCP服务器并检索工具
• create_approval_agent() -使用审批中间件创建LangChain代理
• invoke_with_approval() -通过审批循环处理代理执行

例子：

from approval_client import create_approval_agent, invoke_with_approval

agent, approval = await create_approval_agent(
    mcp_url="http://localhost:3000",
    api_key=os.getenv("OPENAI_API_KEY")
)

result = await invoke_with_approval(
    agent, approval, "Delete test.txt", {"configurable": {"thread_id": "1"}}
)

demo_approval_client.py -LangGraph演示

使用LangGraph代理的三种场景的综合演示：

1. 工具级别批准
2. 使用参数模式进行调用级审批
3. 自定义域特定规则

ols_approval_client.py -OLS风格流媒体客户端

使用LangChain的原生工具调用并支持流媒体的替代客户端实现：

课程：

• StreamedChunk -表示流式响应的块（文本、tool_call、tool_result、end）
• OLSApprovalClient -具有集成审批支持的流媒体客户端

特征：

• 本地LLM流媒体 llm.astream()
• 工具执行与批准检查
• LLM（60秒）和工具执行（30秒）分别超时
• 清除流式API返回的文本、工具调用和工具结果

例子：

from ols_approval_client import OLSApprovalClient
from approvals import ToolLevelApprovalConfig, default_cli_approval_handler

config = ToolLevelApprovalConfig(
    dangerous_verbs=["delete", "remove", "send"],
    approval_timeout=10,
    approval_ui_handler=default_cli_approval_handler,
)

client = OLSApprovalClient(
    mcp_url="http://localhost:3000",
    model="gpt-4o",
    api_key=api_key,
    approval_config=config,
)

result = await client.invoke("Delete test.txt")
print(result["response"])

demo_ols_approval_client.py -OLS流媒体演示

使用两个场景演示OLS风格的客户端：

1. 未经批准-工具自动执行
2. 具有工具级批准-危险操作需要确认

mcp_server.py -模拟MCP服务器

使用安全和危险的工具测试服务器，用于测试审批工作流。

主要特点

• ✅ 可插拔UI：自定义审批处理程序（CLI、web、Slack等）
• ✅ 类型安全：带验证的Pydantic配置
• ✅ 两种审批模式：工具级别和调用级别
• ✅ 自动审批：安全工具绕过审批
• ✅ 演出：短路评估，小写缓存
• ✅ 保持简单：简单、专注、可维护
• ✅ MCP集成：适用于任何MCP服务器
• ✅ LangChain兼容：使用HumanInTheLoop中间件

补充阅读

• 用Python从头开始创建高级AI代理——第1部分
• 用Python从头开始创建高级AI代理——第2部分