$ loading_
基于项目威胁模型为 AI 编码代理提供确定性的安全开发规范与禁忌。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"aegis-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
读取项目中的 security-context.yaml，总结允许的安全模式、禁止的反模式，以及生成 Python API 端点时必须遵守的认证、输入校验和密钥处理要求。
输出一份结构化安全规则清单，供 AI 编码代理在生成 API 代码时严格遵循。
根据 security-context.yaml，检查以下 Node.js 登录模块设计是否包含未批准模式、敏感信息泄露风险或违反威胁模型的实现，并逐条说明原因。
返回逐项风险审查结果，并指出哪些实现可接受、哪些需要替换为批准模式。
依据当前项目的 security-context.yaml，为一个新的微服务仓库整理安全编码基线，包括依赖使用限制、日志脱敏要求、访问控制原则和常见禁用写法。
生成适合新仓库复用的安全开发基线说明，帮助团队和 AI 代理统一执行标准。
为 AI 代理提供本地优先的安全网关，限制成本并拦截高风险操作
帮助团队扫描AI代理的凭证、注入与可达性风险，快速审计权限访问。
为 AI 编码代理扫描代码漏洞、拦截提示注入并进行语义安全审查。
为 AI 与数据系统之间提供合规访问控制、脱敏审计与策略执行。
用于威胁建模与代码、API、云安全及合规治理的 MCP 工具
为 GitHub 中的 AI 编码代理提供治理与安全控制能力