这是一个基于大语言模型和MCP（Model-Controller-Plugin）和Rag架构的网络安全智能助手项目。它旨在通过自然语言交互，帮助用户执行渗透测试任务、查询安全信息、分析流量包等。
-
自然语言交互: 用户可以通过自然语言向AI助手提问和下达指令。
-
MCP服务器集成: 通过
mcp.json配置文件，可以灵活集成和管理多个MCP服务器，扩展助手的能力。 -
工具调用: AI助手能够根据用户请求，调用配置的MCP服务器提供的工具（例如：nmap, gobuster, fofa, tavily-search等）。
-
对话历史记忆: 支持多轮对话，能够记住之前的交互内容。
-
流式输出: AI的回答可以流式输出，提供更好的用户体验。
-
知识库增强 (可选): 支持通过本地知识库Rag（
knowledge_base_docs目录）来增强AI的回答质量。 -
可配置模型: 支持配置不同的语言模型参数。
-
启动效果
sqlmap调用效果:
此外还可以调用dirsearch，nmap等工具
-
克隆仓库:
git clone https://github.com/hnking-star/FlySecAgent.git cd agent -
创建并激活虚拟环境 (推荐):
python -m venv .venv
- Windows:
.venv\Scripts\acti
- Windows:
vate
- macOS/Linux:bash
source .venv/bin/activate
```
-
安装依赖:
pip install -r requirements.txt
-
安装
uv(重要): 本项目使用uv作为 Python 包的运行器和部分场景下的安装器。start.bat脚本会自动尝试为您安装uv。- 如果您希望手动安装或在其他环境中使用，可以运行：
或者参考
pip install uv
uv的官方文档进行安装。 确保uv已成功安装并可以从命令行调用。
-
配置MCP服务器: 修改
mcp.json文件，根据您的环境和需求配置MCP服务器。确保每个服务器的启动命令和参数正确无误。例如，您可能需要更新TAVILY_API_KEY或其他服务器特定的路径/参数。 -
准备知识库 (可选): 如果您希望使用知识库增强功能，请将相关的文本文件（例如
.txt）放入knowledge_base_docs文件夹中。 -
运行主程序:
python main.py
程序启动后，您可以根据提示输入您的问题或指令。
agent/
├── .venv/ # Python虚拟环境 (被.gitignore忽略)
├── knowledge_base_docs/ # 知识库文档存放目录
│ └── ...
├── .gitignore # Git忽略文件配置
├── main.py # 主程序入口
├── mcp.json # MCP服务器配置文件
├── rag_embedding.py # RAG嵌入相关 (如果使用)
├── rag_split.py # RAG文本分割相关 (如果使用)
├── README.md # 项目说明文件
├── requirements.txt # Python依赖列表
├── LICENSE # 项目许可证
└── ... (其他脚本或配置文件)
BASE_URL=https://api.302.ai
API_KEY=your_r_api_key
MODEL_NAME=gpt-4o
EMBEDDING_API_KEY=your_embedding_api_key
OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1上面对应的是所用模型api和key，下面对应的是embedding的key和url（使用阿里云的）
此文件用于定义AI助手可以连接和使用的MCP服务器。每个服务器条目应包含:
name: 服务器的唯一名称。params: 启动服务器所需的参数，通常包括command和args。cache_tools_list: 是否缓存工具列表。
MCP示例服务器配置:
stdio
{
"name": "tavily-search",
"params": {
"command": "uv",
"args": [
"--directory",
"F:\\ai\\mcp\\mcp_tool\\mcp-server-tavily",
"run",
"tavily-search"
],
"env": {
"TAVILY_API_KEY": "your_tavily_api_key_here",
"PYTHONIOENCODING": "utf-8"
}
},
"cache_tools_list": true
}请确保将示例中的路径和API密钥替换为您自己的配置。
sse
{"name":"mcpname",
"url":"http://127.0.0.1:8009/sse"
},在knowledge_base_docs添加相应的文件即可