Privagent

🚀 隱私代理：用於 confidential AI 工作流的代理和 MCP 服務器

PrivAgents 是一個注重隱私的框架，它展示瞭如何藉助無信任的 MCP 服務器，實現自主代理（設備端和雲端）對加密數據的安全處理，同時確保數據的完全保密性。該框架運用 隱私增強技術（Privacy-Enhancing Technologies，PETs） 中的 同態加密（Homomorphic Encryption，HE），能夠在不解密的情況下對加密數據進行計算。

通過對話式代理界面，用戶數據在設備上完成加密後，會被髮送至安全處理單元（MCP），隨後處理結果將以加密形式返回，並在本地進行解密。這一過程為醫療保健、個性化服務和金融等敏感領域構建了安全且智能的系統。

🚀 快速開始

1. 克隆並設置項目

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

2. 運行 MCP 服務器

# 啟動 MCP 服務器（在終端中運行）
python mcp_server.py

3. 使用代理進行推理

• Ollama Agent：在另一個終端中運行以下命令，使用 Ollama 進行推理。

  python agent_ollama.py
  

• OpenAI Agent：在另一個終端中運行以下命令，使用 OpenAI API 進行推理。

  python agent_openai.py
  

✨ 主要特性

🔐 為什麼選擇 PrivAgents

設備端模型能保障隱私，但通常計算能力有限；雲端模型具備強大的計算能力，卻會引發信任問題。PrivAgents 結合了兩者的優勢，有效解決了這一問題：

• 可根據隱私約束和資源可用性，靈活選擇設備端或雲端代理。
• 同態加密確保數據在處理過程中始終保持私密。
• 模塊化 MCP 服務器在後端執行加密相似性計算。
• 端到端加密管道實現了安全的數據交互。

⚙️ 支持的代理

• ✅ Ollama Agent：使用本地模型進行設備端推理。
• ✅ OpenAI Agent：通過 API 進行雲端智能處理。

用戶可根據隱私限制和資源情況，選擇合適的代理類型。

📦 優勢

• ✅ 無需信任即可要求：服務器不會接觸到用戶數據。
• ✅ 代理無關性：適用於設備端和雲端的大語言模型（LLM）代理。
• ✅ 可擴展性：支持更多複雜的用戶配置文件或額外領域（如音樂、購物、醫療保健）。
• ✅ 教育意義：通過實際場景展示同態加密的工作原理。

📚 詳細文檔

🧠 架構概述

      +------------------------+
      |     用戶設備            |
      |  (代理 + 加密)          |
      +------------------------+
         |   加密輸入
         v
+------------------------+   ← 安全通道 →
|     MCP 服務器         |  (加密相似性計算)
+------------------------+
         |   加密結果
         v
      +------------------------+
      |  用戶設備（解密） |
      +------------------------+

📁 項目結構

PrivAgents/
│
├── agent/           # Ollama 和 OpenAI 代理實現及 PET 工具
├── mcp/             # 加密處理邏輯，用於相似性分析
├── utils/           # 上下文設置、加密助手
├── data/            # 示例輸入和加密輸出文件
└── .env             # 端口和日誌配置

👥 參與貢獻

如果你對構建安全且智能的系統感興趣，並希望運用隱私增強技術（PET），歡迎參與項目貢獻。無論是擴展代理邏輯、在新的加密工作流上進行實驗，還是優化 MCP 層，都非常期待你的加入。請 Fork 該倉庫並開始參與。