MCP server de fde-mastery
Commit 8 nov 2026Proporciona una plataforma de ejecución gobernada para agentes de IA empresariales con flujos de trabajo duraderos, cumplimiento de políticas y observabilidad.
También conocido como LloydCoder/fde-mastery
- Stars
- 1
- Herramientas
- —
- Descargas, 30 días
- —
- Última versión
- —
- Último commit
- 8 nov 2026
- Licencia
- Apache-2.0
¿Qué es fde-mastery MCP?
fde-mastery es un MCP server. Proporciona una plataforma de ejecución gobernada para agentes de IA empresariales con flujos de trabajo duraderos, cumplimiento de políticas y observabilidad.
Resumen generado a partir del README del proyecto
Acerca del MCP server de fde-mastery
FDE Mastery permite a los equipos de ingeniería gestionar agentes de IA empresariales con una gobernanza estricta y flujos de trabajo duraderos. Ofrece una arquitectura de monolito modular que establece límites claros entre los planos de control, datos y confianza para garantizar una ejecución segura de los agentes. Los desarrolladores pueden utilizar los SDK de Python o TypeScript para integrar estas capacidades en sus propias aplicaciones, gestionando desde la identidad y la tenencia hasta el acceso a modelos y herramientas mediante registros centralizados.
La plataforma gestiona requisitos operativos complejos como el cumplimiento de políticas, aprobaciones humanas para acciones de alto impacto y observabilidad compatible con OpenTelemetry. Admite varios modelos de despliegue, incluyendo pruebas locales con almacenamiento en memoria o entornos de producción utilizando PostgreSQL, Redis y Docker Compose. Mediante el uso de herramientas específicas como platformctl para la inspección de manifiestos y comprobaciones de doctor, los equipos pueden mantener altos estándares en ocho dominios empresariales, incluyendo finanzas, ciberseguridad y flujos de trabajo legales.
Qué puedes hacer con él
- 1Imponer aprobación humana para accionesSe puede restringir un agente de IA para que las tareas de alto riesgo requieran una verificación manual antes de proceder.
- 2Gestionar cargas de trabajo de IA multi-tenantLos desarrolladores pueden garantizar que diferentes clientes tengan identidades y límites de datos aislados dentro de la misma plataforma.
- 3Monitorear el rendimiento y la deriva de los agentesLos equipos pueden utilizar conjuntos de datos de evaluación y herramientas de observabilidad para rastrear qué tan bien funcionan sus modelos de IA a lo largo del tiempo.
- 4Asegurar la cadena de suministro de IALas organizaciones pueden automatizar las comprobaciones de seguridad y generar listas de materiales de software (SBOM) durante el proceso de construcción.
Escrito a partir del README del proyecto. Cada caso de uso se verifica con una cita del mismo.
Configuración
FDE_STORAGE_BACKEND
| Nombre | Descripción | Tipo |
|---|---|---|
| FDE_STORAGE_BACKEND | — |
Verificaciones automáticas
Ejecutado 15 nov 2026Informe completo →Aún no verificado. Un servidor necesita una puntuación de 80, ningún hallazgo grave y suficientes datos para que podamos revisarlo. Cómo funcionan las verificaciones · Qué corregir para obtener más puntos
- Repositorio de origen vinculado y accesiblelloydcoder/fde-mastery is public and reachablegithub.com/lloydcoder/fde-mastery ↗Aprobado
- El paquete indica este repositorio como su origenNo verificado
- Procedencia de la compilación (atestación de Sigstore)No verificado
- Licencia de código abierto (OSI)Apache-2.0spdx.org/licenses/Apache-2.0.html ↗Aprobado
- Commit o lanzamiento en el último añoLast commit or release 2026-11-08github.com/lloydcoder/fde-mastery ↗Aprobado
- OpenSSF ScorecardNo verificado
- El nombre del paquete no es similar a un paquete popularNo verificado
- No hay avisos críticos en el paquete ni en sus dependenciasNo verificado
- Sin instrucciones ocultas para el modelo0 tool descriptions and the README read; no override phrases, credential paths or hidden charactersAprobado
- Las herramientas destructivas están etiquetadasNo verificado
- El endpoint remoto responde al handshake de MCPNo verificado
README
Ver en GitHubFDE Mastery
FDE Mastery is a governed execution platform for teams building, integrating, and operating enterprise AI agents and workflows.
It provides reusable identity and tenancy boundaries, agent execution, durable workflows, policy enforcement, human approvals, model and tool gateways, evaluations, observability, and operational controls across eight enterprise domains.
Architecture at a glance
The diagram describes platform boundaries; it is not a screenshot or live deployment demonstration. See the architecture guide.
Why FDE Mastery
| Concern | Platform approach |
|---|---|
| Identity and tenancy | Tenant-aware identity context, scoped authorization and PostgreSQL RLS foundations |
| Agent execution | Versioned agent lifecycle, budgets, checkpoints and durable workflow boundaries |
| Consequential actions | Independent trust/policy controls, risk tiers and expiring human approvals |
| Tool and model access | Registries, capability boundaries, policy checks and provider adapters |
| Reliability | Leased work, retries, recovery, idempotency and incident lifecycle contracts |
| Evaluation | Golden and adversarial datasets, quality/safety gates and drift signals |
| Operations | OpenTelemetry-compatible observability, tenant-aware FinOps and deployment controls |
| Supply chain | CI security checks, SBOM generation, image signing and build provenance |
FDE Mastery is a modular monolith with explicit control-plane, data-plane and trust-plane boundaries. It does not split components into microservices before independent scaling or isolation is justified.
Quick start
Run the repository tests with local in-memory and mock-provider settings. No production credentials are required.
git clone https://github.com/LloydCoder/fde-mastery.git && cd fde-mastery/packages/platform-core
python -m venv .venv && source .venv/bin/activate
python -m pip install -e ".[test]"
FDE_STORAGE_BACKEND=memory FDE_RATE_LIMIT_BACKEND=memory FDE_MONTH1_PROVIDER=mock MOCK_LLM=true FDE_ENVIRONMENT=test python -m pytest -q
Windows PowerShell activation uses .venv\Scripts\Activate.ps1. Python 3.11 matches the primary CI runtime; package metadata supports Python 3.10 and newer.
Installation
| Tool | Requirement |
|---|---|
| Python | 3.10+; Python 3.11 is the CI baseline |
| Git | Required to clone |
| Docker Compose | Optional, for container deployment |
| Node.js | 20+ for the TypeScript SDK |
From packages/platform-core, install the platform and quality tools:
python -m pip install -e ".[test,quality,security,observability,sbom]"
Optional dependency groups are defined in pyproject.toml. The production-oriented Compose definition is deployment/docker-compose.production.yml. It requires deployment-specific PostgreSQL, OIDC, application/admin key and managed-secret configuration. Follow the deployment guide; never use example credentials in production.
Usage
Inspect platform capabilities
From the repository root:
PYTHONPATH=packages/platform-core python -m platformctl manifest
PYTHONPATH=packages/platform-core python -m platformctl doctor
Run the API locally
After installing the package, from packages/platform-core:
FDE_STORAGE_BACKEND=memory FDE_RATE_LIMIT_BACKEND=memory FDE_MONTH1_PROVIDER=mock MOCK_LLM=true FDE_ENVIRONMENT=test python -m uvicorn deployment.api_gateway.main:app --host 127.0.0.1 --port 8000
In another terminal:
curl --fail http://127.0.0.1:8000/v1/health
See API reference for authentication, tenant binding, idempotency and request metadata. Do not send customer data to a local test configuration.
SDKs
| SDK | Runtime | Source |
|---|---|---|
| Python | Python 3.10+; standard-library HTTP client | sdks/python |
| TypeScript | Node.js 20+ | sdks/typescript |
Configuration
The tracked API gateway example is .env.example. It contains placeholders only. Copy values into an untracked environment file and replace every placeholder before use.
| Variable | Template example | Purpose |
|---|---|---|
FDE_API_KEYS |
Placeholder | Application API keys |
FDE_ADMIN_API_KEYS |
Placeholder | Separate administrator API keys |
FDE_STORAGE_BACKEND |
memory |
Storage adapter |
FDE_DATABASE_URL |
Local PostgreSQL URL | Durable database connection |
FDE_DB_CREATE_TABLES |
false |
Automatic table creation |
FDE_RATE_LIMIT_BACKEND |
memory |
Rate-limit backend |
FDE_REDIS_URL |
Local Redis URL | Redis connection |
FDE_RATE_LIMIT_WINDOW_SECONDS |
60 |
Rate-limit window |
FDE_RATE_LIMIT_REQUESTS |
60 |
Request allowance |
FDE_MAX_BODY_BYTES |
262144 |
Maximum request body size |
See Configuration reference. Template values are not production recommendations.
Platform domains and capabilities
| Domain | Example workflow |
|---|---|
| Cybersecurity | SIEM alert enrichment and SOC triage |
| Finance | Transaction risk and governance |
| HealthTech | Compliance and triage support |
| Logistics | Supply-chain risk analysis |
| Legal | Contract risk workflows |
| RevOps | Pipeline and account operations |
| Procurement | Supplier risk and quote comparison |
| Custom | Tenant-defined workflows and policies |
The platform provides versioned agent/tool/model/policy registries, durable workflows, tenant-scoped events, evaluation, incident management, AI FinOps, integration and interoperability boundaries, and deployment profiles.
High-impact actions remain subject to policy and human approval. Procurement is recommendation-oriented: the platform does not autonomously award suppliers, create purchase orders, modify vendor master data or approve spend.
These are reusable platform capabilities and reference integrations. They are not a security certification, regulatory approval or evidence of a live customer deployment.
Documentation
| Guide | Description |
|---|---|
| Documentation index | Documentation map and reading paths |
| Getting started | Local setup and first checks |
| Architecture | Platform boundaries and dependency rules |
| Architecture decisions | Accepted architecture decision records |
| API and SDKs | Versioned API and client contracts |
| Configuration | Runtime environment settings |
| Deployment | Deployment model and operations |
| Production readiness | Eight-gate promotion model |
| Build status | Historical implementation and verification ledger |
| Security standards | Engineering control references |
| AI threat model | AI-specific threat considerations |
Contributing
Issues and pull requests are welcome. Read CONTRIBUTING.md, follow the Code of Conduct, and use the provided templates.
License and acknowledgements
FDE Mastery is distributed under the Apache License 2.0. The project uses and is informed by OWASP, NIST AI RMF, OpenTelemetry, CycloneDX, Sigstore Cosign and SLSA provenance.
Responsible use
Domain examples use synthetic or illustrative data. They are not financial, medical or legal advice. Customer deployments require their own threat model, data-protection decisions, integration validation, evaluation evidence, security review, operational runbooks and approval policy.
- Defects: GitHub Issues.
- Vulnerabilities: follow SECURITY.md; do not publish exploit details.
- Setup: see Getting started and Configuration.
- Deployment: see DEPLOYMENT.md.
Preguntas sobre fde-mastery MCP
¿Qué lenguajes de programación son compatibles con los SDK?
La plataforma ofrece un SDK de Python para Python 3.10+ y un SDK de TypeScript para Node.js 20+.
¿La plataforma realiza acciones de compras de forma autónoma?
No, las compras están orientadas a recomendaciones; la plataforma no adjudica proveedores ni crea órdenes de compra de forma autónoma.
¿Puedo ejecutar la plataforma localmente sin credenciales de producción?
Sí, puedes ejecutar pruebas del repositorio utilizando configuraciones locales en memoria y proveedores simulados (mock-providers) sin necesidad de credenciales de producción.