프로토타입 · 미리 보기: 공식 레지스트리의 모든 서버를 담고 있으며 30분마다 동기화해요. 리뷰와 계정 기능은 다음 단계에서 열려요.
PopNx MCPAI를 쓰는 사람을 위한 MCP 서버 · 쉬운 말로 설명해요
초보자 모드 끄기
색상시스템 설정라이트다크
언어ไทยEnglish中文日本語한국어EspañolDeutsch
☰ 메뉴설정
초보자 모드 끄기
색상시스템 설정라이트다크
언어ไทยEnglish中文日本語한국어EspañolDeutsch

GRC Lake

제작자: koda-ai-studio버전 0.3.26i★ –i내 컴퓨터에서 실행
레지스트리 이름io.github.koda-ai-studio/grc-lake

설치

개요

제작자가 쓴 설명(영어 원문)

Read-only connectors; local writes. Evidence and assessments for agents. Only people approve.

PopNx MCP의 세 기둥

이 세 가지는 절대 하나의 점수로 합치지 않아요. 의견, 측정, 인기는 서로 다른 것이니까요.

할 수 있는 일

이 서버는 아직 쉬운 말로 된 요약을 쓰지 못했어요. 아래는 레지스트리에서 읽어 온 사실이에요.

  • 연결 방식: 내 컴퓨터에서 실행
  • 전송 방식: stdio
  • 카테고리: 기타
  • 입력해야 할 값: GRC_LAKE_API_KEY

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

설치하기 전에

  • 기본 점검: 1개 중 1개 통과
  • 내 컴퓨터에서 내 사용자 계정의 권한(파일, 네트워크, 앱)으로 실행돼요.
  • 직접 입력할 값: GRC_LAKE_LAKE, GRC_LAKE_MCP_MODE, GRC_LAKE_API_URL, GRC_LAKE_API_KEY

비밀로 표시된 값은 내 계정의 열쇠예요. 절대 다른 사람과 공유하거나 채팅에 붙여 넣지 마세요.

필요한 것

  • PyPIPython의 uv 설치(uvx 명령어용)

어떤 앱을 쓰세요?

위에서 앱을 고르세요. 기억해 두었다가 다음부터는 버튼에 “…에 설치”라고 표시해요.

Claude Desktop → Settings → Developer → Edit Config를 열고 claude_desktop_config.json에 이 내용을 붙여 넣으세요

{
  "mcpServers": {
    "grc-lake": {
      "command": "uvx",
      "args": [
        "grc-lake",
        "mcp"
      ],
      "env": {
        "GRC_LAKE_LAKE": "your-value",
        "GRC_LAKE_MCP_MODE": "your-value",
        "GRC_LAKE_API_URL": "your-value",
        "GRC_LAKE_API_KEY": "your-value"
      }
    }
  }
}

터미널에서 이 명령어를 실행하세요

claude mcp add grc-lake --env GRC_LAKE_LAKE=your-value --env GRC_LAKE_MCP_MODE=your-value --env GRC_LAKE_API_URL=your-value --env GRC_LAKE_API_KEY=your-value -- uvx grc-lake mcp

실행하기 전에 빈 값을 채워 주세요.

Cursor에서 열기

또는 설정을 직접 복사하기

프로젝트의 .cursor/mcp.json 또는 ~/.cursor/mcp.json에 붙여 넣으세요

{
  "mcpServers": {
    "grc-lake": {
      "command": "uvx",
      "args": [
        "grc-lake",
        "mcp"
      ],
      "env": {
        "GRC_LAKE_LAKE": "your-value",
        "GRC_LAKE_MCP_MODE": "your-value",
        "GRC_LAKE_API_URL": "your-value",
        "GRC_LAKE_API_KEY": "your-value"
      }
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

VS Code에서 열기

또는 설정을 직접 복사하기

프로젝트의 .vscode/mcp.json에 붙여 넣으세요

{
  "servers": {
    "grc-lake": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "grc-lake",
        "mcp"
      ],
      "env": {
        "GRC_LAKE_LAKE": "your-value",
        "GRC_LAKE_MCP_MODE": "your-value",
        "GRC_LAKE_API_URL": "your-value",
        "GRC_LAKE_API_KEY": "your-value"
      }
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

이 서버는 내 컴퓨터에서 실행되는데, ChatGPT는 인터넷에 있는 서버에만 연결할 수 있어요. 다른 앱을 고르세요.

선택한 앱은 이 기기의 쿠키에만 저장돼요. 계정은 필요 없어요.

직접 입력할 값

  • GRC_LAKE_LAKE env
    Path to a local lake directory (default ./lake)
  • GRC_LAKE_MCP_MODE env
    local, remote or auto (default); use remote on shared machines
  • GRC_LAKE_API_URL env
    GRC Lake API URL for remote mode
  • GRC_LAKE_API_KEY 비밀 env
    API key for remote mode

이 설정은 제작자의 레지스트리 정보로 만들었어요. README와 다르면 README를 따르세요.

할 수 있는 일

내 컴퓨터에서 실행돼요. 설치하면 AI 앱에 도구 목록이 나타나요.

기본 점검i

누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 9일 점검

  • ✓ 통과

    제작자와 저장소 일치

    레지스트리 이름이 GitHub 계정 koda-ai-studio 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요

  • … 아직 점검 안 함

    계속 관리되고 있음

    아직 GitHub에서 이 저장소를 읽어 오지 않았어요

  • … 아직 점검 안 함

    라이선스 있음

    아직 GitHub에서 이 저장소를 읽어 오지 않았어요

  • – 해당 없음

    엔드포인트 응답

    내 컴퓨터에서 실행되는 서버라 인터넷 엔드포인트가 없어요

  • – 해당 없음

    OAuth로 로그인

    내 컴퓨터에서 실행되며, 대신 로컬 설정을 사용해요

  • … 아직 점검 안 함

    도구 설명에 숨겨진 지시 없음

    내 컴퓨터에서 실행돼요. 도구 목록은 인터넷 엔드포인트가 있는 서버에서만 읽을 수 있어요

기타 카테고리의 다른 서버와 비교i

  • 이 카테고리의 다른 서버 18722개 중 0%보다 스타가 많아요
  • 이 카테고리의 다른 서버 18722개 중 86%보다 최근에 레지스트리에 공개됐어요
  • 기본 점검 결과가 이 카테고리의 다른 서버 18722개 중 100%와 같거나 더 좋아요

레지스트리에서 이 카테고리의 활성 서버 전체와 비교했어요. 스타는 게시자가 저장소를 소유한 경우에만 세요.

자주 묻는 질문

GRC Lake, 안전한가요?

해당하는 기본 점검 1개 중 1개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.

어떤 키나 코드가 필요한가요?

입력해야 할 값: GRC_LAKE_API_KEY

내 컴퓨터에서 실행되나요, 클라우드에서 실행되나요?

내 컴퓨터에서 실행돼요. AI 앱이 필요할 때 실행하고, 데이터는 제작자의 서버를 거치지 않아요(서버 자체가 온라인 서비스를 호출하는 경우는 제외).

아직 관리되고 있나요?

GitHub 저장소는 마지막으로 – 변경됐고, 최신 버전(0.3.26)은 6일 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Python (uv)도 있어야 해요.

대신 쓸 수 있는 건 뭐가 있나요?

같은 카테고리에는: Spec Driven Development, Remote Desktop Commander, alalanet — check before you pay

대안

같은 카테고리에서 다른 제작자가 만든 서버예요. 스타 순으로 정렬했어요.

카드 보는 법:↓ 주간 다운로드i★ GitHub 스타i세 기둥: 리뷰 · 점검 · 사용 정도i업데이트 = 최신 버전을 레지스트리에 공개한 날i

Spec Driven Development

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

제작자: formulahendry초기↓ 66/주★ 44014개월 전 업데이트

내 컴퓨터에서 실행
설치

Remote Desktop Commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

제작자: desktop-commander성장 중★ 2114일 전 업데이트

클라우드에서 실행✓ desktopcommander.app
설치

alalanet — check before you pay

Check packages, MCP servers and x402 endpoints before agents install or pay. Signed.

제작자: alalanet초기오늘 업데이트

클라우드에서 실행✓ alalanet.com
설치

제작자의 README

README 열기

제작자의 저장소에서 쓰인 그대로 가져왔어요. PopNx MCP가 검토하거나 보증한 내용이 아니에요. HTML, 이미지, 스크립트는 제거했어요. 링크를 누르면 이 사이트를 벗어나요.

Turn security evidence into traceable control assessments and reviewable audit workpapers. Open-source and self-hosted: read evidence from the systems and security lakes you already run, evaluate versioned control tests, and retain evidence and recorded review decisions alongside the results.

  • Traceable: follow results to source records and rule versions, and inspect the recorded mapping decisions; snapshots form a hash-chained ledger you can re-verify.
  • Works with what you have: connect cloud, identity, endpoint, and code systems directly, or query OCSF tables already in your lake.
  • One control, many frameworks: reusable safeguards map to SOC 2, ISO 27001, NIST, and more, with reviewed and proposed mappings kept apart.

[Open the live demo →](https://koda-ai-studio.github.io/grc-lake/) Click through the console on recorded synthetic data. The hosted demo is read-only; it does not connect to your systems or establish live-provider coverage. Nothing to install.

Quick start · Product tour · Connect evidence · Already on OCSF? · Frameworks · Performance · Self-host · Docs

Quick start

Python 3.11+ and uv:

uvx --from "grc-lake[server]" grc-lake demo

This loads a synthetic company into a temporary lake, serves the console on localhost:8787 without authentication, and opens your browser. Ctrl+C stops it and deletes the lake. With pip: pip install "grc-lake[server]", then grc-lake demo.

First task: find a failing control, inspect its evidence and mapping, and export the frozen result: follow the sample-data tutorial, then the auditor workpaper example. Their CLI steps need the lake to outlive the demo, so start it with grc-lake demo --lake ./lake.

Exploring AI assets? The AI discovery walkthrough in 0.3.21 opens a synthetic model-and-agent inventory with one command, then follows recorded evidence into the graph and assessment.

For a real evaluation, follow the bounded pilot guide: one source, one independently checked result, then a repeat collection and review.

Use it in CI. From v0.3.24, one step posts a framework readiness table to the job summary and can gate the merge (CI gate).

- uses: koda-ai-studio/grc-lake@v0.3.26

with: grc-lake-url: ${{ secrets.GRC_LAKE_URL }} api-token: ${{ secrets.GRC_LAKE_API_TOKEN }}

Keep a lake, Docker, source development, or MCP

Keep a lake between runs:

grc-lake fixtures load --company golden --out ./lake --rebase-times

grc-lake serve --server --allow-insecure-no-auth --lake ./lake

Docker (public image, no registry login):

git clone --branch v0.3.26 --depth 1 https://github.com/koda-ai-studio/grc-lake.git

cd grc-lake && docker compose up

Current source, with uv and Node 22+:

git clone https://github.com/koda-ai-studio/grc-lake.git

cd grc-lake && uv sync --frozen --extra dev --extra server && make demo-local

MCP over stdio (headless GRC covers agent credentials):

pip install "grc-lake[server,mcp]"

GRC_LAKE_LAKE=./lake grc-lake-mcp

Release notes: changelog · verified release records.

Product tour

Collect → Evaluate → Resolve → Export. These console captures use the bundled synthetic company, refreshed for the 0.3.24 release candidate. They illustrate source behavior; see the release records for published-package verification.

Start with the assessment overview

Assessed coverage, open findings, evidence freshness, and priority actions in one view.

Explore framework coverage

Catalogued, mapped, reviewed, and assessed requirements stay separate measures per framework.

Inspect control results and evidence

Filter by result, owner, or framework; open a control for its evidence, findings, freshness, and confidence.

Navigate control families and the CCF

The Common Control Framework (CCF) organizes safeguards as category → family → safeguard. For example, Identity and access management (IAM) contains the Access review family, whose SG-IDENTITY-002 safeguard covers access review and recertification. Safeguards connect to framework requirements through a crosswalk. Proposed mappings are not attestable. The SG-… IDs are stable GRC Lake identifiers, not official framework control numbers or a substitute for the current family name. How common safeguards work.

Trace a finding through the evidence graph

Follow exact records between controls, safeguards, evidence, repositories, and assets; drill in or roll up through a bounded neighborhood. Inspect control-test results, evidence freshness, and linked findings with their owners and next actions. Recorded links and mapping review states stay distinct; a passing control test does not establish framework attestation.

For node labels and inspector details, open the full-size graph: light theme · dark theme.

Review AI assets and their next actions

Models and agents with owners, environments, governance signals, and next actions. Recorded lineage is evidence presence, not a passing control (AI inventory semantics).

Five-minute console tour · How evidence investigation works

Architecture

Read-only collection feeds deterministic evaluation; console, REST API, CLI, and MCP share one evidence and assessment model.

flowchart LR

Sources["Cloud · identity · code · existing lakes"] --> Collect["Read-only collection"] Collect --> Evaluate["Version-pinned control tests"] Evaluate --> Assessments["Assessment generations"] Assessments --> Review["Console · API · CLI · MCP"] Assessments --> Export["Snapshots · workpapers · OSCAL"]

Exports: portable CCF/OSCAL bundles, framework coverage reports, and verifiable auditor workpapers. Recovery behavior and API limits: architecture guide and assessment contract.

Connect evidence

Use direct connectors or read an existing lake. Both are read-only and keep assessment evidence in storage you operate.

Supported sources

CategorySources
CloudAWS, Microsoft Azure, Google Cloud; Kubernetes (preview, including GPU clouds); Lambda (preview)
IdentityOkta (directory and System Log), Google Workspace, Microsoft Entra (preview), generic identity provider
EndpointMicrosoft Intune; Jamf, CrowdStrike Falcon (preview)
CodeGitHub, GitLab
Vulnerability scanningSnyk (preview)
People and trainingBambooHR, Rippling, Workday; training-completion exports from any LMS (preview)
Workflow and detectionsAtlassian Jira, ticketing, SIEM alerts, AI runtime gateway
Existing lakesSnowflake, ClickHouse, S3 object storage, OCSF presets; Databricks, BigQuery, Iceberg/Parquet (preview)
ImportsAgent-Bom scan reports, CycloneDX and SPDX AI bills of materials

Stages, permissions, and live receipts: connector catalog · qualification matrix. Missing a source? Request a connector or build one.

Already on OCSF?

If your telemetry is already normalized to OCSF, for example in Amazon Security Lake or OCSF tables on Databricks or Snowflake, point GRC Lake at those tables. K

앞부분만 보여 드려요. 나머지는 저장소에서 읽어 보세요

PopNx에게 묻기