本篇文章将从 0 到 1 带你实现一个 基于大模型+MCP 协议+开源信息收集工具 的自动化漏洞挖掘工具，真正迈入「模型驱动安全工具链」的新时代。AI批量刷洞的时代即将来临！！！
什么是 MCP？
Model Context Protocol (MCP) 是一种用于连接 LLM 与外部环境（工具、代码、数据等）的开放协议。它通过结构化的上下文定义（Context）与标准接口调用（Function Calls / Tools），允许模型「理解」自身所处的上下文，并「调用」外部能力完成复杂推理与自动化任务。
|
通俗地说，MCP 是一个让 LLM 不再“瞎猜”的机制，它知道自己在看什么，能调用哪些能力，当前任务目标是什么。详细参考https://modelcontextprotocol.io/introduction |
MCP漏洞挖掘实践
ollama本地模型部署
访问https://ollama.com/根据自己当前的操作系统选择对应的下载即可
下载之后，通过ollama语法进行本地部署，可根据自身性能来选择模型，访问https://ollama.com/search下载模型
ollama语法为
|
Bash # 显示当前安装的 Ollama 版本 ollama --version # 启动 Ollama 服务，默认监听在 http://localhost:11434 ollama serve # 创建模型 ollama create |
本次下载了两个模型，都是热门下载量的模型，其中Deepseek为推理模型，为什么要下载两个模型呢？后续会有答案，会让大家意识到不同模型带来的效果很明显不同
漏洞信息收集及利用工具
本次使用到一些经典的渗透测试的开源工具，他山之玉 可以攻石，这里没必要自己实现了，毕竟菜且自知
点击图片可查看完整电子表格
MCP Server开发
使用FastMCP框架进行开发，详细使用方式可参考https://gofastmcp.com/getting-started/welcome，站在巨人的肩膀上可以更省力，能靠别人就别靠自己了
基于这个开源框架，嘎嘎一顿开发
首先咱们还是比较正规的做一个配置文档，不管三七二十一，代码写得好不好无所谓，最起码要规范
然后我们封装一个工具管理类，确保所有的工具调用都规范化，这里还是那句话，规范开发很重要（爷们要脸，手动狗头）
之后再使用FastMCP调用起来，这里我们使用任务的方式，对于每一个安全工具每次调用，通过任务来进行，避免部分工具扫描很久，就会无法返回结果
当然还可以组成一个工具链路实现完整的全自动化
就这么搞下吧，轮子也能跑起来了（记住开发的要点：又不是不能用）
MCP Client实战效果
这里选择用Cherry Studio，可以访问 https://www.cherry-ai.com/来下载，个人感觉比较容易上手且好用
然后就配置好模型
配置MCP Server连接，现在也可以用流式HTTP的了，还是比较喜欢这种方式，比本地Stdio或者SSE更习惯点把
那么就开始一场 一顿霹雳巴拉后的成果展示
子域名信息收集
Nmap端口扫描：
之前有留过一个伏笔，就是我们还下载了deepseek r1模型，这里也展示下其模型的效果，实际上在这种单纯去理解调用mcp的时候，推理模型并不是很nice，会浪费比较多的时间，当然如果你把它引入到自我反思机制，做双模型架构那就很棒了
下列deepseek模型结果： 好像自身理解调用不太起来，当然maybe是我的prompt太拉跨或者是其自身防御机制比较强
原文始发于微信公众号（暴暴的皮卡丘）：从0到1大模型MCP自动化漏洞挖掘实践
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论