技能介绍

解决 AI 上下文中的凭证暴露风险

当 AI Agent 需要触发钉钉、企业微信、飞书等平台的 Webhook 通知时，传统做法往往将 webhook_url 或 bot_token 直接写入系统提示词或环境变量。这种做法存在显著的安全隐患：大模型可能会在日志中泄露凭证，或者在遭遇提示词注入攻击时被诱导调用这些高权限接口。本技能旨在通过引入 MGC Blackbox 作为本地安全保险箱，彻底切断 AI 模型与敏感 Webhook 令牌的直接接触。

核心工作机制与流转步骤

该技能的核心在于“存取分离”与“本地代理”模式，具体流转步骤如下：

安全存储：开发者通过 MCP 工具（如 mgc_save）将各平台的令牌（如钉钉的 access_token 与 secret）加密存储到本地数据库。
运行时隔离：AI Agent 运行期间仅调用 mgc_get 触发本地脚本，模型上下文中不加载任何明文凭证。
本地代理请求：本地脚本负责向 MGC Blackbox 请求令牌、格式化消息体并执行 HTTP POST，最终仅将非敏感的执行结果（如消息 ID）返回给 AI。

适用边界与注意事项

本技能本质上是一套安全架构规范与概念代码，不包含可直接执行的成品代码。要使其生效，必须预先在本地部署并运行 MGC Blackbox 服务，且 AI 环境需支持相应的 MCP 工具调用。由于依赖本地常驻服务，它不适合无状态的 Serverless 环境。此外，虽然支持无代码更改的令牌轮转，但令牌本身的更新仍需通过 MGC WebUI 或外部自动化脚本完成。