使用说明

许可证：apache-2.0 标题：CyberSec MCP多代理安全栈 sdk：毕业表情符号🛡️ 颜色来源：红色颜色：灰色 short_description：用于渗透测试、威胁建模和事件响应的模块化AI代理 sdk版本：5.33.2

🛡️ CyberSec MCP多代理安全栈

A. 模块化、人工智能代理驱动的网络安全平台 使用MCP（模型上下文协议）和Gradio构建，具有四个专门的代理，它们协同工作，提供全面的安全分析、威胁建模和事件响应。

🎯 代理堆栈概述

系统执行 四名专业安全特工 其可以独立操作或通过编排层协作：

1. 🗺️ 系统制图员

将复杂的系统（基础设施、代码库、网络）映射到清晰的依赖关系图和叙述中。

痴迷于反馈循环、依赖关系和故障模式
总是问： “如果此节点死亡，会发生什么？”
工具: map_system, analyze_blast_radius

2. 🎯 红队建筑师

将系统设计为攻击者已经存在于其中。

威胁模型中的每一个特征都带有假设违规的心态
识别攻击路径、横向移动和权限升级路线
建议最低限度的强制安全边界
工具: threat_model_system, assume_breach

3. 📊 信号蒸馏器

生活在日志流、指标和事件消防水带中。

条纹噪声、表面图案、自动检测异常
痴迷于基线和 “过去24小时发生了什么变化”
关联安全事件以识别攻击链
工具: analyze_logs, detect_anomalies, correlate_security_events

4. 📋 随叫随到的战略家

在运行手册、失败树和事件时间表中思考。

编写和更新事件响应剧本
模拟中断和故障级联
建议进行灾难恢复演习
冷静、程序化、从不戏剧化
工具: create_incident_runbook, simulate_component_failure, suggest_security_drills

🔄 代理编排器

协调多代理堆栈、路由任务和组合输出。

工具: full_security_assessment -使用所有代理运行完整分析

🚀 快速开始

在本地运行

pip install -r requirements.txt
python app.py

打开浏览器 http://localhost:7860

在拥抱面部空间上部署

将此存储库推送到新的拥抱面部空间
选择 Gradio SDK （5.33.2+版本）
太空将自动发射

📖 使用示例

全面安全评估

# Analyze entire system with all agents
target = "web_app"  # or "network"
result = full_security_assessment(target)

输出：完整的安全态势，包括系统图、威胁模型、故障模拟和风险评分。

系统制图员

# Map a web application
system_map = map_system("web_app")
# Analyze what happens if database fails
blast_radius = analyze_blast_radius("main_db")

用例:

攻击面测绘
依赖性分析
单点故障识别
级联故障预测

红队建筑师

# Generate threat model
threats = threat_model_system("web_app")
# Simulate attacker compromising frontend
attack_paths = assume_breach("frontend", "web_app")

用例:

新功能的威胁建模
假设进行了安全审查
信任边界分析
横向运动路径识别

信号蒸馏器

# Analyze logs for anomalies
log_data = """
ERROR: Authentication failed for user admin
WARNING: Multiple login attempts from 1.2.3.4
ERROR: Authorization bypass attempt detected
"""
analysis = analyze_logs(log_data, "24h")

# Detect metric anomalies
metrics = {"failed_logins": 150, "cpu_usage": 95}
anomalies = detect_anomalies(metrics)

# Correlate security events
events = [
    {"timestamp": "2024-01-01T10:00:00", "source_ip": "1.2.3.4", "event": "login_attempt"},
    {"timestamp": "2024-01-01T10:01:00", "source_ip": "1.2.3.4", "event": "failed_login"},
    {"timestamp": "2024-01-01T10:02:00", "source_ip": "1.2.3.4", "event": "successful_login"}
]
incident_chains = correlate_security_events(events)

用例:

安全事件分析
异常检测
攻击链识别
基线建立

随叫随到的战略家

# Create incident response runbook
runbook = create_incident_runbook("database breach", severity="critical")

# Simulate component failure
impact = simulate_component_failure("api_gateway", "web_app")

# Generate drill scenarios
drills = suggest_security_drills("web_app")

用例:

事件响应准备
灾难恢复规划
桌面运动设计
事故后学习

🏗️ 项目结构

cYBERsECmcp/
├── app.py                 # Gradio UI with multi-agent interface
├── app/
│   ├── __init__.py
│   ├── agents.py         # Four specialized security agents
│   ├── server.py         # MCP server configuration
│   ├── tools.py          # MCP tool registration
│   ├── lifespan.py       # Lifecycle management
│   └── context.py        # Application context
├── fake_database.py      # Mock database interface
├── requirements.txt      # Python dependencies
└── README.md            # This file

🔧 扩展代理堆栈

添加新代理

定义代理类 在 app/agents.py:

class MyNewAgent:
    def analyze_something(self, target: str) -> Dict[str, Any]:
        # Your agent logic here
        return {"result": "analysis"}

注册MCP工具 在 app/tools.py:

@mcp.tool()
def my_agent_tool(target: str) -> str:
    agent = MyNewAgent()
    result = agent.analyze_something(target)
    return json.dumps(result, indent=2)

添加UI组件 在 app.py:

with gr.Tab("🔮 My New Agent"):
    # Add Gradio components
    pass

组合代理

代理可以组合成 “代理堆栈” 对于特定用例：

示例：安全审查堆栈

红队架构师（威胁建模）
系统制图员（依赖关系映射）
随叫随到策略师（事件准备）

示例：SOC操作堆栈

信号蒸馏器（日志分析）
红队架构师（攻击路径检测）
随叫随到策略师（自动执行runbook）

🛠️ MCP工具参考

系统制图工具

工具	说明	参数
`map_system`	映射系统拓扑	`target`, `config?`
`analyze_blast_radius`	分析故障影响	`node_id`

红队建筑师工具

工具	说明	参数
`threat_model_system`	生成威胁模型	`target`, `config?`
`assume_breach`	模拟违规情况	`entry_point`, `target`

信号蒸馏器工具

工具	说明	参数
`analyze_logs`	分析日志模式	`log_data`, `time_window`
`detect_anomalies`	检测度量异常	`metrics`
`correlate_security_events`	关联事件	`events`

随叫随到的战略家工具

工具	说明	参数
`create_incident_runbook`	创建runbook	`scenario`, `severity`
`simulate_component_failure`	模拟停机	`component`, `target`
`suggest_security_drills`	建议演习	`target`

编排器工具

工具	说明	参数
`full_security_assessment`	完整分析	`target`, `config?`

🎓 设计理念

这些代理人遵循 模块化电路设计模式 -每个可以是：

插入不同的项目 独立地
组合成自定义堆栈 针对特定用例
扩展了新功能 不影响他人
更换或升级 单独地

关键原则

关注点分离 -每个代理都有一个明确的目的
可组合性 -代理人能够很好地合作和独立工作
假设存在违规心态 -默认安全，而非事后考虑
业务重点 -专为真实世界的事件响应而构建
最少的戏剧性 -冷静、程序化、可操作的产出

🔒 安全注意事项

该平台专为 仅限授权安全测试:

重要的约会 经适当授权
紫色团队演习 在受控环境中
安全性研究 脆弱性评估
CTF竞赛 以及培训场景

非卖品:

未经授权访问系统
恶意攻击或利用
DoS攻击或破坏性行为

📦 依赖项

FastMCP -模型上下文协议服务器
格拉迪奥 -Web UI框架
Python 3.8+ -核心运行时

🤝 贡献

欢迎投稿！感兴趣的领域：

其他专业代理（见15个代理角色）
真实世界的工具集成（nmap、Metasploit等）
增强的威胁建模能力
用于异常检测的机器学习
可视化改进

📄 许可证

Apache 2.0-有关详细信息，请参阅LICENSE文件。

🙏 致谢

灵感来自 15个模块化代理角色 可插拔AI系统的设计模式。

建于❤️ 网络安全和人工智能社区。

现代威胁环境的多代理安全架构。