allsmog/mcp-pentest

Эта страница переведена автоматически. Технические детали смотрите в оригинале. Открыть оригинал

23 stars 2 forks Качество 75 Тренд 14MIT

Сервер MCP для авторизованных рабочих процессов Pentest: оркестровка Nmap / Gobuster, агрегация контекста, сортировка с помощью AI и отчетность.

Обзор

Авторизованный сервер MCP-тестирования на проникновение для операторов безопасности с поддержкой ИИ. Он организует общие инструменты оценки, нормализует контекст взаимодействия и держит человека под контролем объема, методологии и отчетности. AI-управляемый помощник и промежуточное программное обеспечение для тестирования на проникновение mcp-pentest находится в стадии альфа- и активного развития. Участники приветствуются за интеграцию новых инструментов, UI / UX, документацию, тестирование и отчетность рабочих процессов. См. CONTRIBUTING.md, как начать работу. Model Context Provider (MCP) - это фреймворк с открытым исходным кодом, который соединяет ИИ с инструментами тестирования на проникновение. MCP-интерфейсы с широким набором инструментов тестирования, анализируют и обогащают свой выход в режиме реального времени и строго следуют стандартному процессу тестирования на проникновение. Он направляет людей на каждом этапе - от разведки и сканирования до эксплуатации, пост-эксплуатации и отчетности - в соответствии с установленными методологиями.

Обзор (машинный перевод)

AI-управляемый помощник и промежуточное программное обеспечение для тестирования на проникновение

С первого взгляда

Область Что дает mcp-пентест [править править код] | MCP surface | Локальный стио-сервер, который предоставляет инструменты Pentest для совместимых клиентов ИИ | Tooling | Nmap, Gobuster и расширяемые интеграции для авторизованных оценок | | Рабочий процесс | Разведка, сканирование, поддержка эксплуатации, заметки после эксплуатации и отчетность | | Результат | Нормализованные события сканирования, контекст взаимодействия, результаты и готовые к отчету заметки | Безопасность, созданная для юридического тестирования с явным разрешением и контролем оператора.

Статус

mcp-pentest находится в стадии альфа- и активного развития. Вкладчики приветствуются для интеграции новых инструментов, UI/UX, документации, тестирования и отчетности рабочие процессы. См. CONTRIBUTING.md, как начать работу.

Обзор

Эта страница переведена автоматически. Технические детали смотрите в оригинале.

README

Показан фрагмент оригинального README. Открыть оригинал.

mcp-pentest

Authorized penetration-testing MCP server for AI-assisted security operators. It orchestrates common assessment tools, normalizes engagement context, and keeps the human pentester in control of scope, methodology, and reporting.

At a glance

Area	What mcp-pentest provides
MCP surface	Local stdio server that exposes pentest tools to compatible AI clients
Tooling	Nmap, Gobuster, and extensible integrations for authorized assessments
Workflow	Reconnaissance, scanning, exploitation support, post-exploitation notes, and reporting
Output	Normalized scan events, engagement context, findings, and report-ready notes
Safety	Built for legal testing with explicit authorization and human operator control

Status

mcp-pentest is in alpha and under active development. Contributors are welcome for new tool integrations, UI/UX, documentation, testing, and reporting workflows. See CONTRIBUTING.md for how to get started.

🔍 Overview

The Model Context Provider (MCP) is an open-source framework that bridges AI with penetration testing tools. MCP interfaces with a wide array of pentesting tools, parses and enriches their output in real-time, and strictly follows the standard penetration testing process. It guides human pentesters through each phase – from reconnaissance and scanning to exploitation, post-exploitation, and reporting – aligning with established methodologies.

⚠️ Disclaimer: This tool is intended for legal security testing with proper authorization. Misuse of this software for unauthorized access to systems is illegal and unethical.

✨ Key Features

Methodology Enforcement: Ensures each engagement progresses through proper phases (reconnaissance → scanning → exploitation → post-exploitation → reporting) in order.
Real-time Context Aggregation: Captures tool outputs, normalizes the data into a unified engagement context, and stores it for analysis.
LLM-Powered Insights: Leverages a large language model to interpret findings and provide guidance during the engagement.

Открыть полный README на GitHub

Установка

This server does not publish a one-line install command.

Open the repository installation guide Новичок в MCP? Начните с руководства на mcpskill.org →

Конфигурация

{
  "mcpServers": {
    "mcp-pentest": {
      "command": "python",
      "args": ["/path/to/mcp-pentest/server.py"],
      "env": {}
    }
  }
}