关键词

同态加密图像处理数据隐私滤镜FHE

项目简介

这是一个演示项目，展示了如何构建一个基于 Model Context Protocol (MCP) 的服务器，该服务器与一个独立运行的同态加密 (FHE) 后端服务协作，提供隐私保护的图像处理功能。用户可以通过 MCP 服务器应用图像滤镜，而敏感的图像数据在处理过程中始终保持加密状态，FHE 后端服务器永远不会看到未加密的原始图像内容。

主要功能点

  • 隐私保护的图像处理： 利用同态加密技术，在加密数据上执行图像滤镜计算。
  • 提供 MCP 工具： 向连接的 LLM 客户端暴露可调用的功能，例如获取可用滤镜、处理图片、解密处理结果等。
  • 工作流程管理： MCP 服务器负责处理来自客户端的请求，下载图像、生成加密密钥、将加密数据发送给 FHE 服务器进行处理，并管理处理结果。
  • 支持多种滤镜： 实现多种常见的图像滤镜效果，如反色、黑白、模糊、锐化等。

安装步骤

  1. 克隆仓库： 
    git clone https://github.com/deeppowers/Deeppowers-Demo.git
cd Deeppowers-Demo
  2. 安装依赖： 确保您已安装 Python 3.11.4+ 和 'uv' 包管理器（通常通过 'pip install uv' 安装）。然后安装项目依赖： 
    uv add "mcp[cli]"
  3. 生成FHE文件： 生成同态加密处理所需的开发文件： 
    uv run generate_dev_files.py
  4. 安装MCP服务器到客户端： 将此 MCP 服务器安装到您的 MCP 客户端环境（例如 Claude Desktop）。具体命令可能因客户端不同而略有差异。通常您会使用 MCP 客户端提供的命令行工具或界面进行安装，例如： 
    uv run mcp install mcp_server.py
    如果上述命令在您的客户端环境中无效，请参考客户端文档或尝试运行项目提供的示例脚本，并根据您的实际项目路径进行调整。

服务器配置

要使 MCP 客户端能够连接并使用此服务器，您需要在客户端的 MCP 配置中添加一个服务定义。这个定义通常是 JSON 格式，告诉客户端如何启动和连接到您的 MCP 服务器。

您需要配置一个 MCP 服务，其中包含：

  • 'name' (服务器名称，例如："FHE图像处理服务器")
  • 'command' (用于启动 MCP 服务器进程的命令)
  • 'args' (传递给命令的参数)
  • 以及可能的工作目录 (cwd) 等。

根据本项目，您可以将 'command' 设置为 '["uv", "run", "mcp"]'，'args' 设置为 '["run", "mcp_server.py"]'。确保工作目录设置为项目的根目录，以便 'uv run mcp_server.py' 命令能够正确找到脚本文件。

例如，一个配置示意的概念如下（具体填写方式请参考您的 MCP 客户端文档）： 服务器名称：'FHE图像处理服务器' 启动命令：'uv' 命令参数：'run mcp_server.py' 工作目录：指向您克隆的 'Deeppowers-Demo' 仓库路径

基本使用方法

  1. 启动FHE后端服务器： 在项目根目录的终端中运行 FHE 后端服务器： 
    uv run fhe_server.py
    该服务器默认会在 'http://localhost:8000' 启动并监听请求。请保持此终端窗口开启。
  2. 启动MCP客户端： 启动您的 MCP 客户端（例如 Claude Desktop）。客户端将根据您在“服务器配置”步骤中添加的配置，启动并连接到 MCP 服务器（即 'mcp_server.py' 脚本）。
  3. 通过客户端调用工具： 在 MCP 客户端中，您现在可以发现并调用此 MCP 服务器提供的工具：
    • 调用 'get_available_filters()' 获取当前支持的图像滤镜列表。
    • 调用 'process_image_with_fhe(image_url, filter_name)'。提供您想要处理的图片的 URL 和选择的滤镜名称。服务器将处理图片并在FHE后端完成计算后，返回一个包含 'user_id'、'filter_name' 和 'output_id' 的结果。
    • 调用 'decrypt_output_image(user_id, filter_name, output_id)'。提供上一步骤返回的 'user_id', 'filter_name', 和 'output_id'。服务器将解密处理结果并返回一个可以直接查看处理后图片的 URL。

信息

分类

AI与计算

访问项目