AI代理编排安全工具集

部署在Heroku上的5个安全导向的MCP工具,用于AI代理编排,包括GitHub安全分析、Brave搜索威胁情报、Python执行网络分析、Slack事件响应和ArXiv学术研究。

  • by benjaminrust
  • HTML
  • 本地部署
  • 更新于
在 GitHub 查看 benjaminrust/mcp-tools-presentation

使用说明

用于AI代理编排的托管MCP工具

5个以安全为重点的模型上下文协议服务器

部署在Heroku上•与Claude 3.7集成•准备投入生产

此存储库包含一个关于部署和集成5个托管MCP(模型上下文协议)工具与Heroku推理插件以增强AI代理编排的演示文稿。

🚀 现场演示

查看演示文稿: https://benjaminrust.github.io/mcp-tools-presentation/

📋 演示文稿概述

我们建造了什么

  • GitHub安全MCP -存储库漏洞分析
  • 勇敢的搜索威胁情报 -CVE数据库和威胁搜索
  • Python执行网络分析 -安全数据分析和风险评分
  • 事件响应迟缓 -安全警报和团队协调
  • ArXiv学术安全研究 -安全文件搜索和趋势分析

建筑

所有工具使用 FastMCP 带有的图案 HTTP端点 与Heroku推理插件无缝集成。

技术实现

  • FastMCP模式 来自MCP官方库
  • 部署:Heroku-24堆栈上使用Python 3.11.6的Heroku
  • 依赖项: mcp==1.11.0, fastapi==0.116.1, uvicorn==0.35.0
  • 整合:克劳德3.7推理插件

🛠️ 已部署MCP工具

1.GitHub安全MCP

  • 统一资源定位符: github-mcp-tool-brust-547dc3ab814c.herokuapp.com
  • 能力:搜索安全存储库,分析存储库安全性,分析安全存储库的趋势
  • 用例:漏洞研究、安全代码审查、威胁情报收集

2.勇敢搜索威胁情报MCP

  • 统一资源定位符: brave-search-mcp-tool-brust-08cf6b0b7afb.herokuapp.com
  • 能力:搜索威胁情报、CVE数据库查询、安全新闻搜索
  • 用例:CVE跟踪和分析、威胁追踪、安全意识

3.Python执行网络分析MCP

  • 统一资源定位符: python-exec-mcp-tool-brust-c1ed7e307b16.herokuapp.com
  • 能力:分析网络数据,计算风险评分,生成安全报告
  • 用例:网络安全监控、风险评估、自动安全报告

4.松弛事件响应MCP

  • 统一资源定位符: slack-mcp-tool-brust-9dfb030fe646.herokuapp.com
  • 能力:发送安全警报,协调事件响应,获取团队状态
  • 用例:事件响应自动化、安全团队协调、实时通信

5.ArXiv学术安全研究MCP

  • 统一资源定位符: arxiv-mcp-tool-brust-new-2d3e9a1d0e69.herokuapp.com
  • 能力:搜索安全论文,分析研究趋势,获取论文摘要
  • 用例:学术研究、安全趋势分析、文献综述自动化

🔗 与Heroku推理插件集成

配置步骤

  1. 访问推理插件仪表板

    https://addons-sso.heroku.com/apps/network-intelligence-prod/addons/claude-3-7
    
  2. 添加MCP服务器URL

    • github: https://github-mcp-tool-brust-547dc3ab814c.herokuapp.com/mcp
    • 勇敢的搜索: https://brave-search-mcp-tool-brust-08cf6b0b7afb.herokuapp.com/mcp
    • Python执行: https://python-exec-mcp-tool-brust-c1ed7e307b16.herokuapp.com/mcp
    • 松弛: https://slack-mcp-tool-brust-9dfb030fe646.herokuapp.com/mcp
    • 归档 : https://arxiv-mcp-tool-brust-new-2d3e9a1d0e69.herokuapp.com/mcp

📊 示例用例

安全事件响应

  1. 检测威胁 → Brave Search MCP查找CVE信息
  2. 分析代码 → GitHub MCP搜索易受攻击的模式
  3. 计算风险 → Python执行MCP评估影响
  4. 警报小组 → 松弛MCP坐标响应
  5. 研究解决方案 → ArXiv MCP找到学术解决方案

威胁情报收集

  1. 搜索威胁 → Brave Search MCP查询威胁数据库
  2. 分析模式 → Python执行MCP处理数据
  3. 查找相关研究 → ArXiv MCP发现学术背景
  4. 监控存储库 → GitHub MCP跟踪代码更改
  5. 更新团队 → Slack MCP分享调查结果

🏗️ 架构优势

可扩展性

  • 独立缩放 -每个MCP工具单独缩放
  • 资源隔离 -工具之间无干扰
  • 负荷分布 -跨应用程序分发的请求

可维护性

  • 模块化设计 -每个工具都是独立的
  • 轻松更新 -独立部署单个工具
  • 明确分离 -网络智能应用程序保持不变

可靠性

  • 故障隔离 -单个工具故障不会影响其他工具
  • 冗余 -多种工具可以提供类似的功能
  • 监控 -个人工具健康监测

📚 资源

👨‍💻 作者

本杰明·鲁斯特 - brust@salesforce.com

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。


内置于 幻灯片 -面向开发人员的演示幻灯片