$ 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。
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。
为代码生成流程注入安全审查、漏洞扫描与结果校验。
基于 MCP 与 Claude 提供智能上下文感知代码审查与改进建议。
为 AI 编程助手检索安全编码知识与功能级安全开发指引
提供文档解析、代码生成与安全扫描等多功能 AI 代理工具集
为 AI 编码代理提供受控仓库访问，并支持脱敏、过滤与审计记录。