MCP Security Scanner

一个基于 LangGraph ReAct 架构的 MCP (Model Context Protocol) 安全扫描工具，用于自动化检测 MCP 服务的安全漏洞。

功能特性

• 自动化安全扫描：自动发现 MCP 服务暴露的工具并进行安全测试
• 多种攻击检测：
  • 命令注入 (Command Injection)
  • 代码执行 (Code Execution)
  • SQL 注入 (SQL Injection)
  • SSRF (Server-Side Request Forgery)
  • 路径遍历 (Path Traversal)
  • 越权访问 (IDOR)
  • 过度数据暴露 (Excessive Data Exposure)
  • 敏感业务数据泄露
  • 硬编码凭据检测
  • 工具描述注入
• 智能 Payload 生成：根据工具类型和参数自动生成针对性测试载荷
• 异步任务管理：支持后台扫描，实时查询进度
• 双模式扫描：
  • fast 模式：快速并发扫描
  • full 模式：完整 LLM 引导扫描
• 详细报告：生成包含 POC 和修复建议的安全报告

安装

pip install -r requirements.txt
推荐使用uv环境
uv init MCP  
cd MCP
echo "3.13" > .python-version
uv venv
source .venv/bin/activate
uv add "mcp[cli]" httpx

依赖

• Python 3.10+
• langgraph
• fastmcp
• httpx
• mcp

快速开始

启动 MCP 服务器

python main.py
使用uv安装：uv run main.py
服务器默认运行在 `http://0.0.0.0:8000/sse`

使用方式

通过 MCP 客户端（如 Cherry Studio/Kiro/Cursor/Trae）连接：
{
  "mcpServers": {
    "Security-Scanner": {
      "url": "http://10.0.xx.xx:8000/sse"
    }
  }
}

1. 启动扫描

无Token:

对该MCP进行安全扫描
http://xxx.xxx.xxx:7777/sse

<img width="866" height="405" alt="image" src="https://github.com/user-attachments/assets/a442e603-6f1b-44af-8f58-e3b91f77db80" />

有Token:

对该MCP进行安全扫描
https://xxx.xxx.xxx/mcp-servers/plant-monitor-getproductionorder/sse
Authorization=Bearer apikey-693xxxxxxxxxxxxx

<img width="844" height="525" alt="image" src="https://github.com/user-attachments/assets/34cf3d8b-4860-41e6-8da2-b4c34d606d74" />

2. 查询进度

输入“继续”： <img width="831" height="769" alt="image" src="https://github.com/user-attachments/assets/342af922-3aca-42fa-b44f-6d360915c098" />

3. 获取结果

输入“获取扫描详情”： <img width="817" height="590" alt="image" src="https://github.com/user-attachments/assets/d836d428-5e57-4adf-bd4d-d19f9a0fc0a9" />

项目结构

├── agent.py          # ReAct 智能体实现
├── config.py         # 攻击载荷和检测规则配置
├── graph.py          # LangGraph 工作流定义
├── llm.py            # LLM 客户端（支持通义千问/Azure OpenAI）
├── server.py         # FastMCP 服务器
├── state.py          # 状态定义
├── task_manager.py   # 异步任务管理器
├── tools.py          # 安全检测工具函数
└── system_prompt.md  # 系统提示词

配置

LLM 配置

在 llm.py 中配置 LLM 提供商：

• 通义千问 (默认)
• Azure OpenAI

攻击载荷

在 config.py 中自定义：

• MCP_INJECTION_PAYLOADS：各类攻击载荷
• SENSITIVE_PATTERNS：敏感信息检测模式
• TOOL_TYPE_PATTERNS：工具类型识别规则

检测能力

漏洞类型	严重程度	说明
命令注入	CRITICAL	检测系统命令执行
代码执行	CRITICAL	检测任意代码执行
SQL 注入	HIGH	检测数据库注入
SSRF	HIGH	检测内网资源访问
路径遍历	HIGH	检测文件系统访问
IDOR	HIGH	检测越权访问
数据暴露	MEDIUM	检测大量数据返回
敏感数据	HIGH/CRITICAL	检测 PII/HR/财务数据
硬编码凭据	HIGH	检测 Schema 中的凭据

输出示例

{
  "status": "completed",
  "target": "http://example.com/sse",
  "risk_level": "HIGH",
  "summary": {
    "tools_discovered": 10,
    "injectable_tools": 5,
    "attacks_executed": 30,
    "vulnerabilities_found": 3
  },
  "vulnerabilities_by_severity": {
    "HIGH": {
      "count": 2,
      "details": [...]
    },
    "MEDIUM": {
      "count": 1,
      "details": [...]
    }
  }
}

许可证

MIT License

免责声明

本工具仅用于授权的安全测试。请勿用于未经授权的系统。使用者需自行承担使用本工具的所有风险和责任。