Tuteliq MCP Server

Tuteliq 的 MCP 服务器 — 面向 Claude 的 AI 驱动儿童安全工具

API 文档 • 控制台 • 信任 • Discord

## 这是什么？ Tuteliq MCP Server 将 AI 驱动的儿童安全工具直接带入 Claude、Cursor 和其他兼容 MCP 的 AI 助手中。您可以要求 Claude 检查消息中是否存在欺凌行为、检测诱导模式，或生成安全行动计划。 ## 可用工具 (41 个 MCP + 2 个仅 API) ### 安全检测 | Tool | Description | |------|-------------| | `detect_bullying` | 分析文本中的欺凌、骚扰或有害语言 | | `detect_grooming` | 检测对话中的诱导模式和掠夺性行为 | | `detect_unsafe` | 识别不安全内容（自残、暴力、露骨材料） | | `analyze` | 快速综合安全检查（欺凌 + 不安全） | | `analyse_multi` | 在一次调用中对单段文本运行多个检测端点 | | `analyze_emotions` | 分析情绪内容和心理状态指标 | | `get_action_plan` | 为安全状况生成适合年龄的指导建议 | | `generate_report` | 从对话中创建事件报告 | ### 欺诈与危害检测 | Tool | Description | |------|-------------| | `detect_social_engineering` | 检测社会工程学策略（预设情景、制造紧迫感、冒充权威） | | `detect_app_fraud` | 检测基于应用程序的欺诈（虚假投资平台、钓鱼应用、订阅陷阱） | | `detect_romance_scam` | 检测杀猪盘/情感诈骗模式（爱情轰炸、金钱请求、身份欺骗） | | `detect_mule_recruitment` | 检测钱骡招募策略（轻松赚钱诱饵、银行账户共享） | | `detect_gambling_harm` | 检测赌博相关危害指标（追回损失、隐瞒行为、痛苦 distress） | | `detect_coercive_control` | 检测强制控制模式（隔离、经济控制、监控、威胁） | | `detect_vulnerability_exploitation` | 检测对弱势群体的剥削（老年人、残障人士、经济困难者） | | `detect_radicalisation` | 检测激进化指标（极端主义言论、二元对立框架、意识形态诱导） | ### 语音、图像、视频与文档分析 | Tool | Description | |------|-------------| | `analyze_voice` | 转录音频并对转录文本运行安全分析 | | `analyze_image` | 分析图像的视觉安全性 + OCR 文本提取 | | `analyze_video` | 通过关键帧提取分析视频文件的安全隐患（支持 mp4, mov, avi, webm, mkv） | | `analyze_document` | 分析 PDF 文档的安全隐患 — 逐页多端点检测，含证据链哈希（最大 50MB，100 页） | ### Webhook 管理 | Tool | Description | |------|-------------| | `list_webhooks` | 列出所有已配置的 webhook | | `create_webhook` | 创建新的 webhook 端点 | | `update_webhook` | 更新 webhook 配置 | | `delete_webhook` | 删除 webhook | | `test_webhook` | 发送测试载荷以验证 webhook | | `regenerate_webhook_secret` | 重新生成 webhook 签名密钥 | ### 定价 | Tool | Description | |------|-------------| | `get_pricing` | 获取可用的定价方案 | | `get_pricing_details` | 获取详细的定价信息，包含功能和限制 | ### 使用量与计费 | Tool | Description | |------|-------------| | `get_usage_history` | 获取每日使用历史 | | `get_usage_by_tool` | 按工具/端点获取使用量 | | `get_usage_monthly` | 获取月度使用量和计费信息 | ### GDPR 账户 | Tool | Description | |------|-------------| | `delete_account_data` | 删除所有账户数据（删除权） | | `export_account_data` | 将所有账户数据导出为 JSON（数据可携带性） | | `record_consent` | 记录用户对数据处理同意 | | `get_consent_status` | 获取当前同意状态 | | `withdraw_consent` | 撤销之前授予的同意 | | `rectify_data` | 更正用户数据（更正权） | | `get_audit_logs` | 获取所有数据操作的审计踪迹 | ### 违规事件管理 | Tool | Description | |------|-------------| | `log_breach` | 记录新的数据泄露（启动 72 小时通知计时） | | `list_breaches` | 列出所有数据泄露，可按状态筛选 | | `get_breach` | 获取特定数据泄露的详情 | | `update_breach_status` | 更新泄露状态和通知进度 | ### 验证（仅限 API & SDK） 这些工具通过 [REST API](https://docs.tuteliq.ai) 和 [@tuteliq/sdk](https://www.npmjs.com/package/@tuteliq/sdk) Node SDK 提供 — 尚未作为 MCP 工具开放。 | Tool | Description | |------|-------------| | `verify_age` | 通过文档分析、生物特征估算或两者结合验证用户年龄。方法：`document`、`biometric`、`combined`。返回已验证的年龄范围、置信度分数和未成年状态。Beta 功能 — 需要 Pro 套餐。每次调用 5 积分。 | | `verify_identity` | 通过文档认证、人脸匹配和活体检测确认用户身份。返回匹配分数、活体检测结果和文档认证状态。Beta 功能 — 需要 Business 套餐。每次调用 10 积分。 | ## 通用参数 ### 上下文字段 所有检测工具都接受一个可选的 `context` 对象。这些字段会影响严重程度评分和分类： | Field | Type | Description | |-------|------|-------------| | `language` | `string` | ISO 639-1 代码（例如 `"en"`、`"sv"`）。如省略则自动检测。 | | `ageGroup` | `string` | 年龄段（例如 `"10-12"`、`"13-15"`、`"under 18"`）。触发按年龄校准的评分。 | | `platform` | `string` | 平台名称（例如 `"Discord"`、`"Roblox"`）。根据平台规范调整检测。 | | `relationship` | `string` | 关系上下文（例如 `"classmates"`、`"stranger"`）。 | | `sender_trust` | `string` | 发送者验证状态：`"verified"`、`"trusted"` 或 `"unknown"`。 | | `sender_name` | `string` | 发送者姓名（与 `sender_trust` 配合使用）。 | #### `sender_trust` 行为 当 `sender_trust` 设置为 `"verified"` 或 `"trusted"` 时： - **AUTH_IMPERSONATION** 被完全抑制 — 已验证的发送者不可能冒充权威 - **URGENCY_FABRICATION** 对常规时间敏感信息（日程、截止日期、预约）被抑制 - 内容仅在包含真正恶意元素（凭证窃取、钓鱼链接、财务索求）时才会被标记 - 这可以防止对合法机构消息（学校通知、医院提醒、政府公告）的误报 ### support_threshold 控制何时在响应中包含危机支持资源（热线、短信支持、网络资源）： | Value | Behavior | |-------|----------| | `low` | 针对低（Low）及以上严重程度包含支持资源 | | `medium` | 针对中（Medium）及以上严重程度包含支持资源 | | `high` | **（默认）** 针对高（High）及以上严重程度包含支持资源 | | `critical` | 仅针对严重（Critical）严重程度包含支持资源 | ### `analyse_multi` 端点值 `analyse_multi` 工具每次调用最多接受 10 个端点。有效的端点值： | Endpoint ID | Description | |-------------|-------------| | `bullying` | 欺凌和骚扰检测 | | `grooming` | 诱导模式检测 | | `unsafe` | 不安全内容检测（自残、暴力、露骨材料） | | `social-engineering` | 社会工程学和预设情景 | | `app-fraud` | 基于应用程序的欺诈模式 | | `romance-scam` | 情感诈骗模式 | | `mule-recruitment` | 钱骡招募 | | `gambling-harm` | 赌博相关危害 | | `coercive-control` | 强制控制模式 | | `vulnerability-exploitation` | 对弱势群体的剥削 | | `radicalisation` | 激进化指标 | ## 安装 ### Claude Desktop（推荐） 1. 打开 Claude Desktop 并进入 **Settings > Connectors** 2. 点击 **Add custom connector** 3. 将名称设置为 **Tuteliq**，URL 设置为： https://api.tuteliq.ai/mcp 4. 出现提示时，输入您的 Tuteliq API key 完成 — Tuteliq 工具将在您的下一次对话中可用。 ### Cursor 添加到您的 Cursor MCP 设置中： ``` { "mcpServers": { "tuteliq": { "url": "https://api.tuteliq.ai/mcp", "headers": { "Authorization": "Bearer your-api-key" } } } } ``` ### 其他 MCP 客户端 对于支持 stdio 传输的客户端： ``` { "mcpServers": { "tuteliq": { "command": "npx", "args": ["-y", "@tuteliq/mcp"], "env": { "TUTELIQ_API_KEY": "your-api-key" } } } } ``` ## 使用示例 配置完成后，您可以向 Claude 提问： ### 欺凌检测 **响应：** ``` ## ⚠️ 检测到欺凌行为 **Severity:** 🟠 Medium **Confidence:** 92% **Risk Score:** 75% **Types:** exclusion, verbal_abuse ### 理由 The message contains direct exclusionary language... ### 建议操作 `flag_for_moderator` ``` ### 诱导检测 ### 快速安全检查 ### 情绪分析 ### 行动计划 ### 事件报告 ### 语音分析 ### 图像分析 ### Webhook 管理 ### 使用量 ### 欺诈检测 ## 开始使用（免费） 1. [创建免费的 Tuteliq 账户](https://tuteliq.ai) 2. 前往您的 [控制台](https://tuteliq.ai/dashboard) 并生成一个 **API Key** 3. 对于 Claude Desktop 和其他 MCP 插件，在 **Settings > Plugins** 下生成一个 **Secure Token** 4. 使用 API key 进行直接 API/SDK 访问，或通过 MCP 连接时使用 Secure Token ## 系统要求 - Node.js 18+ - Tuteliq API key ## 支持的语言（27 种） 未指定时语言将被自动检测。Beta 语言具有良好的准确性，但与英语相比可能存在边缘情况。 | Language | Code | Status | |----------|------|--------| | English | `en` | Stable | | Spanish | `es` | Beta | | Portuguese | `pt` | Beta | | French | `fr` | Beta | | German | `de` | Beta | | Italian | `it` | Beta | | Dutch | `nl` | Beta | | Polish | `pl` | Beta | | Romanian | `ro` | Beta | | Turkish | `tr` | Beta | | Greek | `el` | Beta | | Czech | `cs` | Beta | | Hungarian | `hu` | Beta | | Bulgarian | `bg` | Beta | | Croatian | `hr` | Beta | | Slovak | `sk` | Beta | | Slovenian | `sl` | Beta | | Lithuanian | `lt` | Beta | | Latvian | `lv` | Beta | | Estonian | `et` | Beta | | Maltese | `mt` | Beta | | Irish | `ga` | Beta | | Swedish | `sv` | Beta | | Norwegian | `no` | Beta | | Danish | `da` | Beta | | Finnish | `fi` | Beta | | Ukrainian | `uk` | Beta | ## 最佳实践 ### 消息批处理 **欺凌** 和 **不安全内容** 工具每次请求分析单个 `text` 字段。如果您正在分析对话，请将 **最近消息的滑动窗口** 连接成一个字符串，而不是单独发送每条消息。单个单词或短片段缺乏准确检测所需的上下文，且可能被利用来绕过安全过滤器。 **诱导** 工具已经接受 `messages[]` 数组，并在上下文中分析完整对话。 ### PII 脱敏 在您的 Tuteliq API 上启用 `PII_REDACTION_ENABLED=true`，可自动从检测摘要和 webhook 载荷中剥离电子邮件、电话号码、URL、社交账号、IP 地址和其他 PII。原始文本仍会被完整分析 — 仅对存储的输出进行清洗。 ## 支持的语言 Tuteliq 支持 **27 种语言**并自动检测 — 无需配置。 **英语**（稳定）和 **26 种 Beta 语言**：西班牙语、葡萄牙语、乌克兰语、瑞典语、挪威语、丹麦语、芬兰语、德语、法语、荷兰语、波兰语、意大利语、土耳其语、罗马尼亚语、希腊语、捷克语、匈牙利语保加利亚语、克罗地亚语、斯洛伐克语、立陶宛语、拉脱维亚语、爱沙尼亚语、斯洛文尼亚语、马耳他语和爱尔兰语。 全部 24 种欧盟官方语言 + 乌克兰语、挪威语和土耳其语。每种语言都包含针对特定文化的安全指南，涵盖当地俚语、诱导模式、自残隐语和过滤器规避技术。 详情请参阅 [语言支持文档](https://docs.tuteliq.ai/languages)。 ## 支持 - **API 文档**: [docs.tuteliq.ai](https://docs.tuteliq.ai) - **Discord**: [discord.gg/7kbTeRYRXD](https://discord.gg/7kbTeRYRXD) - **电子邮件**: support@tuteliq.ai ## 许可证 MIT 许可证 — 详情见 [LICENSE](LICENSE)。 ## 免费认证 Tuteliq 为任何希望深入了解在线儿童安全的人提供 **免费认证计划**。完成一个学习路径，通过测验，即可获得官方 Tuteliq 证书 — 可验证且可分享。 **三个学习路径：** | Track | Who it's for | Duration | |-------|-------------|----------| | **父母与看护人** | 父母、监护人、祖父母、教师、教练 | ~90 分钟 | | **青少年（10–16 岁）** | 想要学会识别操纵行为的年轻人 | ~60 分钟 | | **公司与平台** | 产品经理、信任与安全团队、CTO、合规官员 | ~120 分钟 | **从这里开始 →** [tuteliq.ai/certify](https://tuteliq.ai/certify) - 100% 免费 — 无需登录 - 完成后获得可验证证书 - 涵盖诱导识别、性勒索、网络欺凌、监管义务（KOSA、EU DSA）等内容 ## 使命：为什么这很重要 在您决定贡献或赞助之前，请阅读这些数字。它们不是预测。它们不是路演文稿中的估算。它们是来自爱丁堡大学、UNICEF、NCMEC 和国际刑警组织的已核实统计数据。 - 每年有 **3.02 亿** 儿童成为在线性剥削和虐待的受害者。这意味着 **每秒就有 10 名儿童**受害。*(Childlight / 爱丁堡大学, 2024)* - 全球 **1/8 的儿童**在过去一年中成为非自愿性影像的受害者。*(Childlight, 2024)* - 如今有 **3.7 亿**女孩和妇女在童年时期经历过强奸或性侵犯。估计有 **2.4–3.1 亿**男孩和男性有过同样经历。*(UNICEF, 2024)* - 仅 2024 年，就有 **2920 万**起疑似儿童性剥削事件被报告给 NCMEC 的 CyberTipline — 包含 **6290 万个文件**（图片、视频）。*(NCMEC, 2025)* - 2024 年有 **54.6 万**份在线诱导（成年人诱导儿童）报告 — 比上一年增加了 **192%**。*(NCMEC, 2025)* - 2023 年至 2024 年间，AI 生成的儿童性虐待材料报告增加了 **1,325%**。本应保护儿童的技术正在被武器化用来伤害他们。*(NCMEC, 2025)* - NCMEC 每天收到 **100 起性勒索报告**。自 2021 年以来，至少有 **36 名少年**因遭受性勒索而自杀。*(NCMEC, 2025)* - **84%** 的报告发生在美国境外。这不是美国的问题。这是一场 **全球紧急状况**。*(NCMEC, 2025)* 端到端加密正在使平台变得盲目。2024 年，平台报告的事件比上一年 **减少了 700 万** — 不是因为虐待停止了，而是因为它们再也看不到了。捕获已知图像的工具正在失效。依赖人工审核的系统已不堪重负。用于实时文本对话中检测行为 — 诱导模式、升级、操纵 — 的技术 **此刻已经存在**。它正在 [api.tuteliq.ai](https://api.tuteliq.ai) 运行。 问题不在于这项技术是否可能。问题在于我们是否会建立一家公司，将其推广到每一个需要它的地方。 **我们等待的每一秒，就有另一个孩子受到伤害。** 我们拥有技术。我们需要支持。 如果这一使命对您很重要，请考虑 [赞助我们的开源工作](https://github.com/sponsors/Tuteliq)，这样我们就能继续构建保护儿童的工具 — 并让它们对所有人免费且易于获取。

_{由 Tuteliq 团队用心构建，致力于儿童安全}

标签：AI安全, AI工具集, Chat Copilot, Claude插件, Cursor, MCP服务器, MITM代理, NLP, Sextortion检测, 儿童安全, 内容审核, 反欺凌, 情感分析, 文本分析, 欺诈检测, 社交工程检测, 网络安全, 网络诈骗, 自动化审核, 自动化攻击, 诱导检测, 隐私保护, 风险控制