mytest-6bb91b9d-0e17-4664-b7da-d07f7c251ef4 0.0.3

Jeddak Trusted Model Context Protocol SDK.

Trusted Model Context Protocol (Trusted MCP)

什么是Trusted MCP？

Trusted MCP是火山引擎推出的可信MCP，在标准MCP协议的基础上扩展核心组件之间的身份证明及验证能力，提供组件之间端到端的通信安全保障，可以解决MCP应用中服务身份不可信、数据被篡改、流量劫持、数据隐私泄露等安全威胁。

安装

推荐使用 uv 进行Python项目管理（支持Python 3.11及以上版本）。

uv add "bytedance_jeddak_trusted_mcp"

或者，对于使用 pip 管理依赖的项目：

pip install "bytedance_jeddak_trusted_mcp"

快速开始

在代码中引入TrustedMCP，仅需要将现有MCP模块替换成TrustedMCP模块即可。如下代码展示：

# Original MCP code
# Import MCP, and create an MCP server
from mcp.server.fastmcp import FastMCP
mcp = FastMCP(name="Demo")

# Replace with TrustedMCP code
# Import TrustedMCP, and create a TrustedMCP server
from bytedance.jeddak_trusted_mcp import TrustedMCP
trusted_mcp = TrustedMCP(name="Demo")

注意：实际代码运行还需要提供TrustedMCP以及大模型调用的必要配置。

如何部署和运行Trusted MCP服务

典型MCP应用通常主要包含三个模块，即Host、Client和Server，Client和Server可以灵活部署。Trusted MCP支持在普通环境（非机密环境）中运行，同时也支持在机密环境中运行。在普通环境中运行时，Trusted MCP仅为Client和Server提供端到端的机密通信能力，而在机密环境中运行时，Trusted MCP还能够提供远程证明验证，确保对端运行在机密计算环境、且服务可信。

推荐：开发调试以及功能验证可在普通环境下部署更方便，生产环境下建议部署到机密计算环境以提供最完备的安全保障。

部署到普通环境

以本地部署demo目录下的server.py和client.py为例，展示如何在普通环境中部署Trusted MCP服务。

1. 环境配置

   # 生成公私钥对，此处openssl生产RSA公私钥对为例：
   openssl genrsa -out ./myPrivateKey.pem 4096
   openssl rsa -pubout -in ./myPrivateKey.pem -out ./myPublicKey.pem
   
   # 注：
   # 1. 此处生成的公私钥对仅用于演示，在生产环境中请使用安全的密钥管理方案。
   # 2. 公私钥对需要分别配置到Client和Server中，Client的公钥需要配置到Server中，Server的公钥需要配置到Client中。
   

2. 部署启动Server

   # 配置Server运行环境
   # 1. 配置Server私钥，缺省默认使用目录下的 ./myPrivateKey.pem
   # 2. 配置Server的地址，缺省默认是 http://127.0.0.1:8000/mcp
   uv run python server.py
   

3. 部署启动Client

   # 配置Client运行环境
   # 1. 配置Client公钥，缺省默认使用目录下的 ./myPublicKey.pem
   # 2. 配置Server的地址，缺省使用默认地址 http://127.0.0.1:8000/mcp
   # 3. 配置火山方舟的API Key环境变量 LLM_API_KEY，如果没有可以联系火山引擎获取一个临时的API Key
   # 4. 配置火山方舟的模型名称环境变量 LLM_MODEL_NAME，缺省默认使用 doubao-1.5-pro-32k-250115
   uv run python local_client.py
   

完成以上步骤后，即可在普通环境中运行Trusted MCP服务，可在Client中输入任意请求（如查询北京天气）。

部署到机密计算环境

以在火山引擎AICC机密计算平台部署demo目录下的aicc_server.py和aicc_client.py为例，展示如何在机密计算环境中部署Trusted MCP服务。

1. 准备机密计算环境

   请参考火山引擎AICC文档，开通机密计算实例，并记录相关信息，如实例ID、AK、SK等。

2. 配置环境

   编辑Server和Client的配置文件（server_config.json和client_config.json）中，将机密计算环境相关信息进行更新，如实例ID、AK、SK等。

3. 部署启动Server

   # 配置Server运行环境
   # 1. 配置Server配置文件路径，缺省默认使用目录下的 ./server_config.json
   # 2. 配置Server的地址
   uv run python aicc_server.py
   

4. 部署启动Client

   # 配置Client运行环境
   # 1. 配置Client配置文件路径，缺省默认使用目录下的 ./client_config.json
   # 2. 配置Server的地址
   # 3. 配置火山方舟的API Key环境变量 LLM_API_KEY
   # 4. 配置火山方舟的模型名称环境变量 LLM_MODEL_NAME
   uv run python aicc_client.py
   

完成以上步骤后，即可在机密计算环境中运行Trusted MCP服务，可在Client中输入任意请求（如查询北京天气）。

致谢

感谢火山引擎AICC项目组成员，倘若没有项目组成员的努力，该项目无法实现开源发布。期望本项目能够在AI智能体隐私保护领域，特别是在涉及用户数据安全的场景中，贡献一份力量。

许可证

MIT。