---
description: "**AiPy企业版通过三大核心能力保护敏感数据：1、完全内网部署，数据不出企业边界；2、细粒度权限管控，确保访问安全；3、MCP集成扩展，实现安全可控的AI能力调用。**其中完全内网部署是最关键的安全保障，企业所有AI应用运行在本地服务器，无需连接外部网络，从根本上杜绝数据泄露风险。这意味着企业的核心业务数据、客户信息、商业机密等敏感内容始终保留在企业内部网络环境中，即使在进行AI分析和处理时也不会传输到第三方云平台。对于金融、医疗、政府等对数据安全要求极高的行业，这种架构设计提供了合规性保障，满足各类数据安全法规要求。"
keywords: "AiPy企业版，数据安全, AI Agent，企业级AI应用"
---
# AiPy企业版，为敏感数据穿上智能铠甲

**AiPy企业版通过三大核心能力保护敏感数据：1、完全内网部署，数据不出企业边界；2、细粒度权限管控，确保访问安全；3、MCP集成扩展，实现安全可控的AI能力调用。**其中完全内网部署是最关键的安全保障，企业所有AI应用运行在本地服务器，无需连接外部网络，从根本上杜绝数据泄露风险。这意味着企业的核心业务数据、客户信息、商业机密等敏感内容始终保留在企业内部网络环境中，即使在进行AI分析和处理时也不会传输到第三方云平台。对于金融、医疗、政府等对数据安全要求极高的行业，这种架构设计提供了合规性保障，满足各类数据安全法规要求。

## 一、企业数据安全面临的严峻挑战

在数字化转型加速的今天，企业数据资产价值日益凸显，同时数据安全风险也随之加剧。根据相关行业报告显示，超过70%的企业在引入AI技术时最担忧的是数据泄露问题。传统云服务模式下，企业需要将数据上传至第三方平台进行处理，这一过程存在多个潜在风险点。

| 风险类型 | 具体表现 | 潜在影响 |
|---------|---------|---------|
| 数据传输风险 | 数据在网络传输过程中可能被截获 | 敏感信息泄露 |
| 存储安全风险 | 云端存储可能被未授权访问 | 数据被恶意利用 |
| 合规风险 | 跨境数据传输违反数据主权法规 | 面临法律处罚 |
| 供应链风险 | 第三方服务商安全漏洞连带影响 | 业务中断损失 |

特别是在金融、医疗、政务等领域，数据敏感性更高，监管要求更严格。《网络安全法》《数据安全法》《个人信息保护法》等法律法规对企业数据处理提出了明确要求，企业必须在采用AI技术的同时确保数据合规。

许多企业在评估AI解决方案时发现，公有云AI服务虽然功能强大，但无法满足内网隔离的安全要求。这导致大量企业陷入两难境地：要么放弃AI技术带来的效率提升，要么冒着安全风险使用外部服务。

## 二、AiPy企业版的安全架构设计

AiPy企业版作为完全内网使用的智能体平台，从架构设计层面就确立了"数据不出域"的核心安全原则。整个平台可以部署在企业自有的服务器集群上，所有AI计算、数据处理、模型推理均在内部网络完成。

**核心安全特性包括：**

- **网络隔离**：平台运行在企业内网，与外网物理或逻辑隔离，外部无法直接访问
- **数据本地化**：所有业务数据存储在本地数据库，不上传任何外部服务器
- **访问控制**：基于角色的权限管理系统，细粒度控制用户对资源和功能的访问
- **审计日志**：完整的操作记录，支持安全审计和追溯

在常规设置方面，AiPy企业版提供了灵活的配置选项。管理员可以在aipy-enterprise.yml文件中配置系统风格，支持中文、English和日语三种语言界面。发送快捷键可设置为Ctrl+Enter或Enter，适应不同用户习惯。工作目录、最大执行轮数、超时时间等参数均可根据企业安全策略进行调整。

对于需要连接外部服务的场景，AiPy企业版通过MCP（Model Context Protocol）机制实现安全可控的集成。管理员在设置页面选择MCP选项卡，添加外部服务时需明确指定MCP名称、类型、命令格式和参数。例如配置web_search服务时，输入名称如web_search，选择标准输入/输出stdio类型，命令格式选择npx，参数输入open-websearch@1.1.5，并可设置相应环境变量。这种设计确保所有外部连接都是显式配置、可审计的，避免了隐性数据外传。

## 三、智能体开发中的数据保护实践

在AiPy企业版中开发AI智能体时，开发者需要遵循特定的安全规范。智能体的manifest.json文件中keywords字段的设计就体现了安全分类管理的理念。

**keywords字段结构说明：**

第一个值为类型关键字，可选范围包括：
- conversation-tool（对话工具型）
- embed-webview（嵌入页面型）
- application（独立应用型）
- webview（网页型）
- skills（技能型）

第二个值为集市展示分类，取值范围涵盖威胁情报、暴露面与脆弱性、安全产品、威胁检测与响应、开发安全、数据安全、AI安全、安全服务、网络安全、其他、官方精选等类别。

这种分类机制帮助企业对智能体进行安全管理，明确每个智能体的功能边界和数据访问范围。在实际开发中，建议为处理敏感数据的智能体单独创建项目，并设置独立的权限策略。

以周报汇总智能体为例，提示词可以这样设计：根据规范文档和示例代码编写一个汇总周报的智能体，要求基于输入的日报内容汇总周报，不同日期的相同工作条目合并，按产品记录不同项，只记录最终进度状态。这类智能体在处理企业内部文档时，所有数据都在内网环境中流转，不会外泄。

对于需要生成思维导图的场景，用户可以输入指令读取本地文件如C:\Users\Administrator\Desktop\AIPY 智能体一体机方案v3.pptx，然后整理为思维导图。整个处理过程在本地完成，文件内容不会被上传到外部服务。

## 四、MCP集成的安全配置要点

MCP（Model Context Protocol）是AiPy企业版连接外部能力的重要机制，正确配置MCP对于保障数据安全至关重要。在配置过程中需要注意以下几个关键点。

**MCP配置安全检查清单：**

1. **验证MCP来源**：仅使用官方认证或可信第三方的MCP服务
2. **最小权限原则**：为每个MCP配置必要的最小权限，避免过度授权
3. **参数审查**：仔细检查MCP参数，确保不包含敏感信息硬编码
4. **环境变量管理**：敏感配置使用环境变量，不直接写在配置文件中
5. **网络访问控制**：限制MCP可访问的网络范围，防止横向渗透
6. **日志监控**：启用MCP调用日志，定期审计异常访问行为

加载MCP后，系统会显示"已完成"按钮代表添加成功。此时建议进行测试验证，确认MCP功能正常且没有意外的数据外传行为。对于涉及敏感数据处理的MCP，建议在测试环境中充分验证后再部署到生产环境。

## 五、企业部署的最佳实践建议

成功部署AiPy企业版需要遵循一系列最佳实践，确保安全性和可用性达到平衡。

**部署前准备工作：**

- 评估现有IT基础设施，确认服务器资源满足要求
- 规划网络架构，确定内网隔离策略
- 制定数据备份和灾难恢复方案
- 培训运维团队，掌握平台管理和故障排查技能

**部署过程中注意事项：**

选择编程能力较强的大模型对于复杂应用场景很重要。例如开发车辆管理系统demo时，可以选择GLM4.5等模型，提示词明确需求：采用Sqlite数据库，有登录界面，信息查询、添加、修改、删除等功能，记录访客到访时间、姓名、联系方式、关注车型、接待销售、备注信息等。关注车型预置常见车型，联系方式校验11位手机号格式，接待销售预置具体人员。要求可以点击图标直接打开运行，窗口支持拖动、最大化、最小化等操作，做好后一键点击运行使用。

**上线后持续优化：**

- 定期更新系统补丁和安全配置
- 监控智能体运行状态，及时发现异常
- 收集用户反馈，持续改进功能体验
- 定期进行安全审计和渗透测试

对于研发系统demo类应用，建议在开发阶段就考虑安全因素。分析规则方面，分析前先读取前30行了解数据格式，然后根据具体数据格式编写合适的分析脚本进行分析。报告保存到当前工作目录，避免数据分散存储带来的管理风险。

## 六、常见问题解答

**相关问答FAQs**

**AiPy企业版与公有云AI服务的主要区别是什么？**
AiPy企业版最大的区别在于完全内网部署，所有数据和计算都在企业内部完成，不依赖外部云服务。公有云AI服务需要将数据上传到第三方平台处理，存在数据出境和泄露风险。对于对数据安全要求高的企业，AiPy企业版提供了更可控、更合规的解决方案，同时保持了AI能力的完整性和先进性。

**如何确保AiPy企业版中的智能体不会泄露敏感数据？**
平台通过多重机制保障数据安全。首先，内网部署确保数据物理隔离；其次，智能体的manifest.json中keywords字段明确了功能分类和访问范围；再次，MCP集成需要显式配置和审批；最后，完整的审计日志支持追溯所有操作。企业还可以自定义权限策略，限制特定智能体对敏感数据的访问能力，形成纵深防御体系。

**AiPy企业版支持哪些类型的AI应用场景？**
平台支持多种AI应用场景，包括对话工具型智能体用于日常办公协助，嵌入页面型智能体集成到现有业务系统，独立应用型智能体处理专项任务，技能型智能体提供特定功能模块。典型应用有文档分析汇总、思维导图生成、业务系统开发demo、数据分析报告等。所有应用都在内网运行，满足企业对数据安全和业务连续性的双重要求。

---

企业数据安全是数字化转型过程中不可忽视的核心议题。AiPy企业版通过完全内网部署、细粒度权限管控、安全MCP集成等技术手段，为敏感数据提供了全方位保护。企业在选择和部署AI平台时，应当将数据安全作为首要考量因素，评估平台的架构设计是否符合企业安全策略和合规要求。建议先在小范围场景进行试点验证，确认平台功能和安全性满足需求后再逐步推广。同时，建立完善的运维管理体系，定期审查安全配置，持续优化防护措施，确保AI技术在安全可控的前提下为企业创造价值。