Secure Local MCP Server

3-Day Fresher Engineering Automation Challenge
Một hệ thống AI Agent hoàn toàn offline, bảo mật, và tối ưu hóa hiệu năng, xây dựng trên nền tảng Model Context Protocol (MCP).

---

🎯 Vấn đề đã giải quyết

Các kỹ sư phần mềm mất trung bình 15-20 phút/ngày chỉ để tìm kiếm thông tin trong hàng chục file ghi chú rải rác. Paste dữ liệu nội bộ lên các Cloud AI là rủi ro bảo mật nghiêm trọng (Data Leak).

Dự án này xây dựng một AI cá nhân chạy 100% offline, giao tiếp trực tiếp với kho ghi chú nội bộ thông qua giao thức MCP (Model Context Protocol).

---

🏗️ Kiến trúc hệ thống

my_notes/ (Kho dữ liệu)
     │
     ▼
src/indexer.py ──── SQLite FTS5 ──── O(log N) search
     │
     ▼
src/server.py ───── FastMCP ──────── 4 Tools: list/read/search/write
     │
     ▼ (stdio / JSON-RPC)
Ollama (Gemma4) / Any Local MCP Client

---

✨ Tính năng nổi bật

Tính năng	Chi tiết
SQLite FTS5 Search	Tìm kiếm toàn văn với Inverted Index, tốc độ O(log N)
Directory Traversal Protection	Chặn 100% payload ../../etc/passwd
100% Offline	Không gọi bất kỳ API Cloud nào. Dữ liệu không bao giờ rời máy
MCP Standard	Tuân thủ chuẩn giao thức JSON-RPC của Model Context Protocol
Dockerized	Đóng gói sẵn, chạy được trên mọi môi trường
Unit Tested	11+ test cases bao gồm FTS5 accuracy & security tests

---

🚀 Cài đặt và chạy

Hệ thống cung cấp sẵn Makefile chuẩn DevOps để tự động hóa toàn bộ quá trình khởi chạy. Không cần nhớ nhiều lệnh dài dòng!

1. Cài đặt dependencies và chạy Unit Tests

make install
make test

Kết quả mong đợi: 17/17 tests PASSED ✅

2. Chạy MCP Server trực tiếp

make run

Server sẽ tự động nạp Database và chạy Hot-Reload (Watchdog) giám sát thư mục.

3. Tích hợp với Ollama Local

Sử dụng thư viện ollama và mcp SDK trong Python để tạo ra Agent AI chạy bằng Gemma4. Xem file src/demo_agent.py để biết cách Agent sử dụng Tools.

4. Chạy trong Docker

make docker-build
make docker-run

---

🛡️ Bảo mật

Hệ thống áp dụng 2 lớp bảo vệ chống Directory Traversal Attack (CWE-22):

1. Resolve path: Dùng resolve() để lấy đường dẫn tuyệt đối cuối cùng.
2. Strict bounds check: Dùng is_relative_to(NOTES_DIR) để đảm bảo đường dẫn không thoát ra khỏi thư mục gốc, đồng thời vẫn hỗ trợ đọc/ghi an toàn trong các thư mục con (sub-folders).

---

📁 Cấu trúc dự án

secure-local-mcp/
├── my_notes/               # Kho ghi chú cá nhân (.md files)
├── src/
│   ├── server.py           # FastMCP Server (4 Tools)
│   └── indexer.py          # SQLite FTS5 Indexing Engine
├── tests/
│   └── test_server.py      # Unit Tests (pytest)
├── Dockerfile
├── requirements.txt
└── README.md

---

💡 Reflection - Bài học từ dự án

1. SQLite đã có sẵn và cực kỳ mạnh mẽ. Không cần cài thêm vector database hay Elasticsearch cho các bài toán tìm kiếm tài liệu quy mô nhỏ-vừa. FTS5 xử lý được hàng triệu bản ghi.
2. MCP sẽ là "USB-C của ngành AI". Kiến trúc tách bạch giữa Data Layer (server.py) và Reasoning Layer (LLM) giúp hệ thống có thể thay đổi model AI mà không cần viết lại logic backend.
3. Bảo mật không phải là tính năng bổ sung. Directory Traversal phải được bảo vệ từ ngày đầu, không phải vá víu sau.