Сервер Model Context Protocol (MCP), который превращает mitmproxy в мощный набор инструментов для AI-агентов. Это позволяет LLM (таким как Claude, GPT-4 или локальные модели) в реальном времени проверять, изменять и воспроизводить HTTP/HTTPS трафик.

Новинка в этой сборке (интересные вещи)

Этот проект вырос за рамки простого захвата + повтора. Теперь вы можете:

• Быстрый поиск трафика с фильтрами по домену/методу/основному тексту.
• Извлекать данные из ответов с помощью JSONPath или CSS-селекторов.
• Используйте переменные сессии для получения жетонов из одного ответа и повторного использования их в последующих повторах.
• Запускайте лёгкое фаззирование с параметрами запросов или полями тел JSON для быстрой проверки DOST.
• Восстановить шаблоны API и экспортировать спецификацию в стиле OpenAPI из захваченного трафика.
• Обнаружение паттернов аутентификации (Bearer/JWT/ключ API/куки сессии/CSRF/OAuth подсказки).
• Генерируйте стартовый код скрепера из реальных захваченных потоков.

Зачем использовать это?

Стандартные инструменты «веб-поиска» или «извлечения» являются безсостоятельными и легко обнаруживаемыми. Mitmproxy-MCP предоставляет:

• Глубокая отладка: Агент может проверять полные циклы запроса/ответа (заголовки, полезные нагрузки, куки), чтобы определить, почему фронтенд выходит из строя или почему API возвращает ошибку 4xx/500.

mitmproxy MCP Server

A Model Context Protocol (MCP) server that transforms mitmproxy into a powerful toolset for AI agents. This allows LLMs (like Claude, GPT-4, or local models) to inspect, modify, and replay HTTP/HTTPS traffic in real-time.

New in this build (the fun stuff)

This project has grown beyond simple capture + replay. You can now:

• Search traffic quickly with filters by domain/method/body text.
• Extract data from responses using JSONPath or CSS selectors.
• Use session variables to grab tokens from one response and reuse them in later replays.
• Run lightweight fuzzing against query params or JSON body fields for quick DAST checks.
• Reconstruct API patterns and export an OpenAPI-style spec from captured traffic.
• Detect auth patterns (Bearer/JWT/API key/session cookie/CSRF/OAuth hints).
• Generate starter scraper code from real captured flows.

Why use this?

Standard “web search” or “fetch” tools are stateless and easily detected. mitmproxy-mcp provides:

• Deep Debugging: The agent can inspect full request/response cycles (headers, payloads, cookies) to identify why a frontend is failing or why an API is returning a 4xx/500 error.
• API Reverse Engineering: Let the LLM observe undocumented internal APIs, map out JSON schemas, and generate client libraries or documentation automatically.
• Automated Security Testing: Perform DAST (Dynamic Application Security Testing) by allowing the agent to inject payloads into specific parameters and analyze the response.
• Live Interception: Modify traffic on the fly: inject headers, mock responses for testing, or block tracking pixels to reduce noise.
• Stealth Replay: Uses curl-cffi to mimic Chrome/Safari TLS fingerprints, bypassing basic anti-bot measures that standard Python libraries trigger.

Key Features

• Lifecycle Control: Start and stop the mitmproxy instance directly from the LLM.
• Deep Inspection: Capture full request/response cycles, including headers, bodies, and timing.
• Traffic Search & Filtering: Scope by domain, then search flows by query/method so context stays clean.
• Active Interception: Dynamic rules to inject headers, replace body content via regex, or block requests.
• Stealth Replay: Re-execute flows using curl-cffi to impersonate modern browser TLS fingerprints (e.g., Chrome).
• Session-Aware Workflows: Extract dynamic values (like CSRF tokens) and re-inject them into replayed traffic.
• Response Data Extraction: Pull structured values from HTML/JSON responses via CSS selectors and JSONPath.
• API Discovery: Group similar endpoints, identify path/query params, and export OpenAPI JSON.
• Security Recon Helpers: Detect common auth patterns and run targeted fuzz payloads.
• Scraper Bootstrapping: Generate executable curl-cffi automation code from observed traffic.

Quickstart

Option 1: Using uvx (Recommended)