mecha：面向本地开源权重模型的个人助理 Agent 运行框架

ljchang/mecha · A standalone agent harness in Rust: a provider-agnostic loop, MCP tools, a path jail and prompt-injection interlock, sandboxed shell, scheduled triggers, and an eval rig that grades the trace.

GitHub原文发布未知首次收录 2026-09-25上架 2026-09-25 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

mecha 是一个用 Rust 编写的独立 Agent 运行框架（harness），把本地开源权重模型变成能接触个人上下文的助理。它提供提供商无关的对话循环、MCP 工具接入、路径 jailed 与提示注入互锁、沙箱化 shell、定时触发器和基于工具调用轨迹打分的 eval 工具。设计上把安全（私有数据、不可信内容、外发能力构成的“致命三要素”）作为结构性约束而非提示词约束，发送类操作先在 outbox 暂存待人工审核，并支持从对话修正中挖掘规则再进行验证。

# Agent 安全 # 提示注入 # 沙箱 # Agent 与自动化 # 本地 LLM

核心能力与快速开始

★ 8 · Rust

能做什么: 提供商无关的 Agent 循环（支持本地 llama-server、vLLM、Ollama 以及 Anthropic 等）；通过 MCP 接入工具与个人上下文，仓库内提供 mecha-mail（Gmail/Outlook 邮件与日历）和 mecha-graph-mcp（个人知识图谱）；结构化安全机制：工具通过 Capabilities 声明能力，会话级污染跟踪，在同时出现私有数据与第三方内容后拒绝外发调用；路径 jail 与可配置沙箱（none/bwrap/docker）限制 shell，沙箱无法生效时中止运行；outbox 将发送类工具改为暂存草稿待人工审核；cron 定时触发器支持无人值守运行，每次运行限制在独立工作目录；eval 子命令按工具调用轨迹对模型打分，支持 verify 命令判定与重放会话；记忆与学习流程：reflect/learn/validate/rules/proposals/distill 将修正挖掘为可验证并按来源门控的规则；CLI 提供 run、chat、tui、batch、tools、sessions、config、slack、msg 等命令。
适用场景: 在自有硬件上运行本地开源权重模型，构建可读取邮件、日历与个人知识图谱的私人助理；通过 outbox 审核后发送回复，避免 Agent 自动外发敏感信息；用 cron 触发器做无人值守的定期任务（如错过的周报合并为一次简报）；用 mecha eval / batch / replay 在工具调用可靠性维度评测与对比模型；把会议、评审、回信等长尾事务性任务交给带个人上下文的 Agent 处理。
项目形态: 可直接使用的工具
部署方式: 可通过 cargo install mecha-cli --locked 安装二进制，或从源码 cargo build --release 构建；配置为分层结构（内置默认 → ~/.mecha/config.toml → ./mecha.toml → 环境变量 → CLI 参数）；可选择指向本地服务或 Anthropic 等远程提供商。其余部署条件未说明。
主要依赖: Rust 工具链（cargo 安装或构建）；本地模型需自行提供兼容服务端点（如 llama-server、vLLM、Ollama）；可配置沙箱工具（bwrap、docker）为可选；API 密钥与调用成本未说明。
使用限制: README 未说明支持的模型范围、上下文窗口上限之外的具体性能表现；沙箱需自行配置，未说明各沙箱方案的具体限制；安全机制的实际有效性未提供独立验证材料；文档未说明运行所需的硬件规格与并发上限；API 成本与用量限制未说明。
许可证: MIT
最近推送: 2026-09-25 06:59

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-25 07:00 · 卡片整理：2026-09-25 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为本地开源权重模型的 Agent 运行框架，可用于在自有硬件上运行编码助理：通过 MCP 接入工具、在沙箱化 shell 中执行命令、用 mecha eval 基于工具调用轨迹对模型打分、用 mecha replay 重放会话排查分歧，并借助路径 jailed 与提示注入互锁约束代理行为。

查看内容依据

A standalone agent harness in Rust: a provider-agnostic loop, MCP tools, a path jail and prompt-injection interlock, sandboxed shell, scheduled triggers, and an eval rig that grades the trace.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Coding Sahayi：本地优先的 Windows 自主 AI 编程 IDE

Coding Sahayi 是一款基于 WinUI 3 与 .NET 8 构建的 Windows 桌面 AI 编程 IDE，强调本地优先与隐私保护。它通过 Ollama 或 LM Studio 等本地推理端点运行模型，实现代码不出本机；内置四类专用 Agent（架构、执行、评审、记录）通过原生 ConPTY 伪终端执行编译与测试命令，在单元测试失败时自动生成修复补丁并循环验证，直到测试通过；同时借助 DiffPlex 提供受控的并排差异审阅，再用 EF Core SQLite 记忆库保存已验证补丁，用于对本地模型进行持续微调。

soc-lab：在 SOC 场景中研究 LLM 智能体攻防与提示注入抗性的安全实验环境

soc-lab 是一个用于研究安全运营中心（SOC）内 LLM 智能体行为的研究环境，由三部分组成：刻意存在漏洞、可输出真实遥测的 Docker 靶机实验场；确定性的数据摄取、规范化与检测流水线（结果落入 SQLite，不涉及模型）；以及构建在其上的两类智能体——蓝队分诊智能体和红队智能体。项目还在日志 schema 中按“可信度”而非类型划分列，把攻击者可控字段与基础设施断言字段结构分离，并通过 injection_asr 测试框架对比开启/关闭信任边界防护时，分诊智能体对提示注入的抵抗程度。项目定位为研究工具而非安全产品，包含未沙箱化的工具能力和真实 iptables 网络封锁行为。

Dossier：自托管的求职管理应用，依据个人档案生成定制简历与求职信并跟踪申请进度

Dossier 是一个自托管的求职管理应用，使用 TypeScript 和 Next.js 构建、以 PostgreSQL 存储数据。它把职业经历集中在一个档案中，生成基础简历；针对具体职位，读取招聘信息、展示与档案的匹配情况，并用档案中的事实起草定制简历和求职信，用户可在聊天中修改并导出 PDF。它提供求职岗位搜索与评分、创业公司职位聚合、可选的每日求职 Agent、Claude 连接器，以及可选的 Gmail 与 Google Calendar 集成，并能用看板和数据表跟踪从草稿到 offer 的全流程。AI 模型可选用 Ollama 或 LM Studio 提供的本地模型，也可选用任意 OpenAI 兼容 API、Anthropic 或 Mistral 的托管模型。

bro：声明一次即可在任意执行框架与模型上运行的 AI 代理团队框架

bro 是一个处于早期开发阶段的 Python 代理框架。它让用户在一个类声明中定义每个代理角色（bro）的系统提示、可用工具、可读取的密钥、操作流程以及可召唤的其他代理，同一份声明可在 Claude Code 会话或 bro 自带的代理循环中运行，并可指定任意模型。代理运行在隔离容器中，只持有其声明所需的凭证与工具；凭证按项目与代理作用域解析，子代理委派有独立权限边界，每次运行都会生成可回放的 trail。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。