Privagent

🚀 プライバシーエージェント：機密AIワークフロー用のエージェントとMCPサーバー

PrivAgents は、プライバシーに配慮したフレームワークです。信頼を必要としないMCPサーバーを通じて、自律型エージェント（デバイス端とクラウド）が暗号化データを安全に処理し、完全な機密性を確保する方法を示します。このフレームワークは、Privacy-Enhancing Technologies (PETs) の中の Homomorphic Encryption (HE) を利用して、データを復号せずに暗号化データに対する計算を行います。

対話型エージェントインターフェースを通じて、ユーザーデータはデバイス上で暗号化された後、安全な処理ユニット（MCP）に送信され、結果は暗号化形式で返され、ローカルで復号されます。これにより、医療、個人化、金融などの機密性の高い環境において、安全でインテリジェントなシステムを構築することができます。

🔐 なぜPrivAgentsを選ぶのか

デバイス端のモデルはプライバシーを提供しますが、通常は計算能力が限られています。クラウドのモデルは強力な計算能力を提供しますが、信頼性の問題を引き起こします。PrivAgentsは、これら両者の利点を組み合わせることでこの問題を解決します。

• プライバシー制約とリソースの可用性に応じて、デバイス端またはクラウドのエージェントを選択できます。
• 準同型暗号化により、処理過程でデータの機密性が維持されます。
• モジュール化されたMCPサーバーがバックエンドで暗号化された類似性計算を実行します。
• エンドツーエンドの暗号化パイプラインにより、安全なデータ交換が実現されます。

⚙️ サポートされるエージェント

• ✅ Ollamaエージェント：ローカルモデルを使用してデバイス端での推論を行います。
• ✅ OpenAIエージェント：APIを通じてクラウドでのインテリジェントな処理を行います。

プライバシー制限とリソースの状況に応じて、適切なエージェントタイプを選択してください。

🧠 アーキテクチャの概要

      +------------------------+
      |     ユーザーデバイス    |
      |  (エージェント + 暗号化) |
      +------------------------+
         |   暗号化入力
         v
+------------------------+   ← 安全チャネル →
|     MCPサーバー        |  (暗号化類似性計算)
+------------------------+
         |   暗号化結果
         v
      +------------------------+
      |  ユーザーデバイス（復号） |
      +------------------------+

📁 プロジェクト構造

PrivAgents/
│
├── agent/           # OllamaとOpenAIエージェントの実装とPETツール
├── mcp/             # 類似性分析用の暗号化処理ロジック
├── utils/           # コンテキスト設定、暗号化ヘルパー
├── data/            # サンプル入力と暗号化出力ファイル
└── .env             # ポートとログの設定

🚀 クイックスタート

1. プロジェクトをクローンして設定する

git clone https://github.com/UvrajSB/PrivRec.git
cd PrivRec
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt

2. MCPサーバーを起動する

# MCPサーバーを起動する（ターミナルで実行）
python mcp_server.py

3. エージェントを使用して推論を行う

• Ollamaエージェント：別のターミナルで以下のコマンドを実行し、Ollamaを使用して推論を行います。

  python agent_ollama.py
  

• OpenAIエージェント：別のターミナルで以下のコマンドを実行し、OpenAI APIを使用して推論を行います。

  python agent_openai.py
  

📦 特長

• ✅ 信頼不要：サーバーはユーザーデータを一切見ることがありません。
• ✅ エージェント非依存性：デバイス端とクラウドのLLMエージェントに対応しています。
• ✅ 拡張性：より複雑なユーザープロファイルや追加のドメイン（音楽、ショッピング、医療など）をサポートします。
• ✅ 教育的価値：実際のコンテキストで準同型暗号化の仕組みを示します。

👥 コントリビューションに参加する

安全でインテリジェントなシステムの構築やPETの使用に興味がある方は、エージェントロジックの拡張、新しい暗号化ワークフローの実験、MCP層の最適化など、どんな形でもコントリビューションを歓迎します。このリポジトリをForkして、ぜひ参加してください。