导语：火山引擎 AICC 机密计算迎来新升级，发布支持 MCP 的可信方案——Trusted MCP，并正式开源该组件。
大模型技术变革下，通常需借助云端算力和存储资源，为端侧提供更丰富的大模型应用场景体验。与此同时，行业对端云协作下的全链路安全和透明可信提出了更高要求。火山引擎AICC 机密计算应运而生，通过为企业搭建“云端大模型安全屋”，实现公有云环境下敏感数据流转和计算的全链路安全。
近日，火山引擎 AICC 机密计算迎来新升级，发布支持 MCP 的可信方案——Trusted MCP，并正式开源该组件。开发者和企业可通过该功能实现 MCP 核心组件及组件间的通信数据安全，有效解决 MCP 应用过程中的数据泄露和身份验证等风险。新版本已在火山引擎官网上线，
GitHub地址：https://github.com/volcengine/AICC-Trusted-MCP
构建可信 MCP，发布即开源
随着MCP作为模型上下文协议被广泛采纳，AI调用大模型和工具变得更加便捷和频繁，这也引发了安全隐患：模型通过MCP协议与外部系统实时交互，安全边界从 “单一模型服务器” 拓展至 “全链路交互场景”。传统安全防护聚焦于“模型本身”，而MCP生态的攻击面将贯穿大模型应用的全周期，安全风险指数级增加。
对此，AICC 机密计算上线Trusted MCP （可信MCP），通过实现MCP本身及MCP组件间的安全通信，进一步支持智能体安全落地。
Trusted MCP是在AICC机密计算基础上实现的可信MCP解决方案，它充分利用AICC机密计算的端云互信等能力，为MCP的核心组件提供身份证明和证明验证能力，并在此基础上提供了全流程的通信加密，确保MCP核心组件及组件间的通信数据安全，解决MCP应用中服务身份不可信、数据被篡改、流量劫持、数据隐私泄露等安全风险。
以天气查询的 Trusted MCP 交互场景举例
当前，AICC机密计算“Trusted MCP”核心代码在 GitHub 上全面开源。开源内容涵盖 Trusted MCP 整体框架、常用工具桥接示例以及权限控制插件，开发者可基于此快速集成内部工具，或参与共建更丰富的 MCP 工具仓库。
值得一提的是，针对安全增强版本的Trusted MCP，业务改造零成本，用户可通过轻量级SDK接入。
GitHub地址：https://github.com/volcengine/AICC-Trusted-MCP
深化平台集成：AICC 助力火山方舟实现机密推理
近日，火山方舟作为一站式大模型服务平台，将AICC机密计算技术原生内置于平台，在行业内率先推出MaaS原生的机密推理服务。用户在火山方舟选择“机密部署”方式，即可一键开启豆包大模型的机密推理服务。
该功能让用户在火山方舟可使用芯片级的机密推理服务，让企业隐私数据在云端获得与本地同等安全的计算保障，确保企业在火山方舟的数据“唯用户可见、唯用户所用、唯用户所有”。
同时，在火山方舟后台，当用户完成机密模型部署后，可生成实时可信验证报告，让用户了解到推理服务是否部署在硬件可信环境内，确保推理服务安全可信。
火山方舟推理接入点安全审计页面
目前，AICC 机密计算已在PC、 手机、汽车等多个行业具备了丰富的落地实践。例如：
·联想个人可信云方案中，通过AICC 构建可信知识库，实现内容创建、密态存储到加密检索与输出的全流程隐私闭环。用户无需改变操作习惯，即可获得高效的智能反馈，实现“安全无感”的体验。
·OPPO AI 私密云项目中，为了给用户提供更好的AI服务，一些复杂请求需要通过云端大模型来进行AI推理，OPPO与火山引擎AICC携手打造私密计算云，用户数据通过密文方式端云传输，实现了用户复杂需求在云上推理计算，同时满足用户数据在云上计算不留痕的高标准要求。
·上汽大众基于豆包大模型打造智能知识助手“SVW Copilot•出众”，用于响应员工对于企业内部各业务领域知识库的提问，帮助员工提升办公事务效率。火山方舟机密推理服务帮助上汽大众盘活内部知识，在保障内部数据隐私与安全的前提下，实现了企业知识资源的智能化、分级化利用。
秉承“芯片级全链路加密”理念，火山引擎 AICC 机密计算将持续聚焦智能计算底座的高可用、高性能与开放性，为企业接入和应用大模型，做好端到端的可信智能链路护航。
AICC官网体验地址：https://www.volcengine.com/product/AICC
如若转载，请注明原文地址
