使用说明

BearStrike AI

高信号渗透测试控制台（MCP优先，型号不可知）

通过队列优先执行、技能意识规划和生产级运行时状态构建快速、低噪音的安全工作流。

🚀 BearStrike AI亮点

BearStrike AI 专为 高信号渗透测试 和 bug赏金工作流，通过智能AI编排消除噪音。以下是它脱颖而出的原因：

🎯 目标控件+WAF上下文：一目了然地了解目标的防御。
🧠 智能计划器面板：人工智能驱动的规划优先考虑高价值的攻击路径。
⏱️ 异步作业+输出时间线：使用详细日志实时监控扫描。
🛠️ 带类别/状态筛选的工具列表轻松管理150多种集成安全工具。
🧹 保留/清理维护面板：保持你的工作空间干净高效。

✨ 推荐时间：

为什么BearStrike

BearStrike是为信号比扫描噪声更重要的实际bug搜索而构建的：

排队优先执行以防止MCP请求停滞。
请求重复数据消除+响应缓存，以减少重复扫描和令牌浪费。
在进攻步骤之前进行规划的技能第一工作流程。
耐用的控制平面(SQLite + file artifacts)在会话期间保持稳定状态。
与模型/客户端无关的MCP兼容性（Claude Desktop、VS Code、Cursor等）。
默认情况下，用户驱动的狩猎模式（没有强制的自主聊天循环）。

建筑

flowchart TD
    U["User / MCP Client"] --> M["BearStrike MCP Server"]
    U --> D["Flask Dashboard"]
    U --> T["Rich Terminal UI"]

    M --> Q["Queue + Guardrails"]
    Q --> R["Tool Runner (subprocess)"]
    R --> X["Security Tools"]

    M --> S["Skills Loader"]
    M --> P["Scan Planner + Endpoint Scoring"]

    M --> C["Control Plane (SQLite)"]
    D --> C
    T --> C

    C --> O["reports/output/<target>/..."]

核心能力

1） MCP控制层

stdio + sse 运输。
队列优先直接呼叫，等待时间短+异步回退。
并发限制、繁重的扫描冷却和工具超时配置文件。
通过以下方式进行精确的暴露检查 mcp_tool_inventory.

2）智能执行护栏

指纹重复数据消除(tool + target + params + mode + scope_tag).
缓存TTL配置文件(low_noise, balanced, aggressive).
每目标重型工具控制，以减少速率限制峰值。

3）情报+规划

确定性终点评分（1-10）。
高价值路径的优先带驱动规划。
精心策划的研究摄入和查询支持。

4）仪表板操作

带有类别/状态过滤器的工具注册表。
异步作业面板，带有队列状态和输出预览。
Planner+优先级端点面板。
缓存/重复数据消除/队列指标+维护控制。

安装

需求

python 3.10+
建议使用Linux/WSL以实现完全的工具兼容性
类似工具链 nmap, httpx, subfinder, wafw00f, nuclei （根据需要）

设置

git clone <your-repo-url> bearstrike-ai
cd bearstrike-ai
python3 -m pip install -r requirements.txt

配置

编辑 config.json:

{
  "ai_provider": "anthropic",
  "anthropic_api_key": "your-key-here",
  "claude_model": "claude-sonnet-4-20250514",
  "openai_api_key": "",
  "openai_model": "gpt-4o-mini",
  "openai_base_url": "https://api.openai.com/v1",
  "dashboard_port": 3000,
  "mcp_port": 8888,
  "auto_hunt": false,
  "default_target": "",
  "queue_max_concurrency": 2,
  "heavy_scan_per_target": 1,
  "heavy_scan_cooldown_seconds": 45,
  "mcp_direct_wait_seconds": 6,
  "research_refresh_interval_hours": 24,
  "cache_ttl_profile": {
    "low_noise": 7200,
    "balanced": 2400,
    "aggressive": 600
  },
  "endpoint_score_thresholds": {
    "high": 8,
    "medium": 5
  }
}

快速开始

全栈（终端+仪表板+MCP）

python3 main.py

从目标开始

python3 main.py example.com

独立模式（无MCP/AI回路）

python3 main.py --standalone

帮助

python3 main.py --help

MCP客户端设置

BearStrike支持两种MCP传输：

stdio 适用于Claude Desktop、Cursor和VS Code MCP客户端。
sse 适用于支持HTTP/SSE的MCP客户端。

1）标准（推荐）

手动运行：

python3 /home/himanshu/xHunt/bearstrike-ai/core/mcp_server.py --transport stdio

2）克劳德桌面（Windows+WSL）

打开Claude Desktop MCP配置并添加：

{
  "mcpServers": {
    "bearstrike-ai": {
      "command": "wsl",
      "args": [
        "-d",
        "kali-linux",
        "python3",
        "/home/himanshu/xHunt/bearstrike-ai/core/mcp_server.py",
        "--transport",
        "stdio"
      ]
    }
  }
}

然后重新启动Claude Desktop并检查开发人员->本地MCP服务器。

3）光标MCP配置

在Cursor的MCP JSON中添加BearStrike：

{
  "mcpServers": {
    "bearstrike-ai": {
      "command": "wsl",
      "args": [
        "-d",
        "kali-linux",
        "python3",
        "/home/himanshu/xHunt/bearstrike-ai/core/mcp_server.py",
        "--transport",
        "stdio"
      ]
    }
  }
}

4） VS代码MCP配置

使用相同 mcpServers 在VS代码MCP设置中输入。

5）通用本地Linux配置

{
  "mcpServers": {
    "bearstrike-ai": {
      "command": "python3",
      "args": [
        "/home/himanshu/xHunt/bearstrike-ai/core/mcp_server.py",
        "--transport",
        "stdio"
      ]
    }
  }
}

6） SSE（HTTP客户端）

python3 /home/himanshu/xHunt/bearstrike-ai/core/mcp_server.py --transport sse --port 8888

SSE端点： http://127.0.0.1:8888/sse

工具使用模式

BearStrike支持两个维度的控制：

A）扫描模式(`mode`)

low_noise：最安全的配置文件，最长的缓存TTL，更少的攻击性调用。
balanced：默认配置文件，速度和安全的实用组合。
aggressive：TTL最短，探测速度更快；更高的区块/速率限制风险。

使用 low_noise 对于受保护的目标和赏金计划。

B）狩猎策略(`strategy`)

adaptive：分阶段和智能（推荐）。运行1-2个关键工具，分析信号，然后选择下一个工具。
diversified：类别覆盖范围更广，但仍受控制。
all：快速排队一系列兼容的工具（大量）。

默认建议：

开始： mode=low_noise, strategy=adaptive
展开： mode=balanced, strategy=diversified
仅在需要时： strategy=all

检查模式选项（MCP）

使用 hunt_options 查看当前默认值和可用策略/模式值。

常见工作流

1）最小安全流量（推荐）

set_target
detect_waf
plan_scan
full_hunt 和 strategy=adaptive
跟踪与 list_jobs那么 job_result
生成报告 get_target_report

2）异步大流量（防止MCP超时）

队列： start_tool
监视器： job_status
读取输出： job_result

这是长工具的首选(subfinder, nuclei，大型爬行）。

3）完整的活动流程（广泛）

{
  "target": "example.com",
  "mode": "balanced",
  "include_subdomains": true,
  "max_subdomains": 60,
  "max_tools": 0,
  "strategy": "all",
  "fanout_tools_per_target": 8,
  "verbose": false
}

笔记：

max_tools=0 指所有兼容的已安装工具。
verbose=false 减少MCP响应抖动和令牌烧坏。
如果速率受限，请切换到 strategy=adaptive 和 mode=low_noise.

仪表盘

打开启动时打印的URL（例如 http://127.0.0.1:3001).

特征：

目标控件+WAF上下文。
智能计划器面板。
异步作业+输出时间线。
带有类别/状态过滤的工具列表。
用于保留/清理的维护面板。

主要API：

GET /api/tools
GET /api/dashboard
GET /api/jobs
POST /api/jobs/start
POST /api/target
GET /api/endpoints/prioritized
GET /api/research/summary
POST /api/research/refresh
GET /api/cache/stats
GET /api/dedupe/stats
POST /api/maintenance/purge

工具

BearStrike包括150多种不同类别的工具配置文件：

侦察
网络
利用
云
二进制
法医学
杂项

核心MCP辅助工具：

health
list_tools
mcp_tool_inventory
tools_status
set_target
detect_waf
execute_tool
start_tool
job_status
job_result
list_jobs
plan_scan
smart_scan
full_hunt
score_endpoint
research_refresh
research_query
cache_stats
dedupe_stats
queue_stats
purge_old_data

广泛的活动示例(`full_hunt`)

使用一个调用在主要目标和发现的子域上排队一个广泛的、无提示的活动：

{
  "target": "example.com",
  "mode": "balanced",
  "include_subdomains": true,
  "max_subdomains": 60,
  "max_tools": 0,
  "strategy": "diversified",
  "fanout_tools_per_target": 12
}

笔记：

max_tools=0 指所有兼容的已安装工具。
strategy=all 使用纯优先级顺序。
strategy=diversified 将覆盖范围扩展到各个类别。

技能手册

BearStrike包括一个技能优先的剧本层 skills/.
这些被设计为在重扫描之前读取，因此MCP客户端首先选择高信号步长。

当前技能模块：

planning -预扫描决策流程和优先级
recon -recon测序和终点发现
pentest-tools -基于目标和风险的工具选择策略
bug-hunting -端到端的bug搜寻方法
exploitation -PoC质量和假阳性消除
reporting -结构化报告模板和证据标准
research-notes -最新的研究模式和bug类
traffic-proxy -拦截工作流（mitmproxy/ZAP风格使用）
xray-suite -xray/crawergo/headless浏览器特定指南

建议的MCP行为：

负载 planning + research-notes 第一。
使用 mode=low_noise + strategy=adaptive 默认情况下。
只有在发现信号后，才能升级到更广泛的工具集。
保持 verbose=false 在长时间狩猎中，减少回应喋喋不休/烧钱。

数据和保留

控制平面数据库： data/bearstrike.db
人工产品： reports/output/<target_slug>/...

保留控制：

清除超过N天的运行时数据（建议：7天）。
可选的从仪表板/API完全清除所有重置。

示例：

purge_old_data(days=7, include_research=false, vacuum=true)
purge_old_data(clear_all=true, vacuum=true)

项目结构

bearstrike-ai/
├── core/
│   ├── mcp_server.py
│   ├── control_plane.py
│   ├── scan_planner.py
│   ├── reporting.py
│   ├── strategist.py
│   ├── tool_registry.py
│   └── tool_runner.py
├── dashboard/
│   ├── server.py
│   ├── templates/index.html
│   └── static/
├── terminal/
│   ├── display.py
│   ├── live_feed.py
│   └── colors.py
├── skills/
├── tools/
├── reports/
├── data/
├── docs/images/
├── main.py
├── config.json
└── README.md

视觉识别

故障排除

仅显示少数MCP工具

在不使用压缩模式的情况下启动MCP服务器。
重新启动MCP客户端应用程序（可以缓存工具模式）。
跑 mcp_tool_inventory 从服务器端验证暴露的工具。

MCP超时

使用异步流进行大量扫描： start_tool -> job_status -> job_result.
更喜欢 mode="low_noise" 对于WAF保护的目标。
避免对同一目标进行并行重扫描。

仪表板端口冲突

BearStrike自动选择下一个空闲端口并打印最终URL。

法律与安全

仅在您拥有或明确授权测试的系统上使用BearStrike。

不得进行未经授权的测试。
遵循程序策略（HackerOne、Bugcrowd、TryHackMe、私有范围）。
遵守费率限制和安全披露规则。

许可证

MIT许可证。看许可证.

使用说明

BearStrike AI

高信号渗透测试控制台（MCP优先，型号不可知）

🚀 BearStrike AI亮点

✨ 推荐时间：

目录

为什么BearStrike

建筑

核心能力

1） MCP控制层

2） 智能执行护栏

3） 情报+规划

4） 仪表板操作

安装

需求

设置

配置

快速开始

全栈（终端+仪表板+MCP）

从目标开始

独立模式（无MCP/AI回路）

帮助

MCP客户端设置

1） 标准（推荐）

2） 克劳德桌面（Windows+WSL）

3） 光标MCP配置

4） VS代码MCP配置

5） 通用本地Linux配置

6） SSE（HTTP客户端）

工具使用模式

A） 扫描模式(mode)

B） 狩猎策略(strategy)

检查模式选项（MCP）

常见工作流

1） 最小安全流量（推荐）

2） 异步大流量（防止MCP超时）

3） 完整的活动流程（广泛）

仪表盘

工具

广泛的活动示例(full_hunt)