Wiremcp

🚀 WireMCP 中文版

WireMCP 是一款模型上下文協議（MCP）服務器，致力於增強大規模語言模型（LLMs）在實時網絡流量分析方面的能力。它藉助基於 Wireshark 的 tshark 工具構建實用工具，能夠捕捉並處理實時網絡數據，為 LLMs 提供結構化上下文信息，助力其執行威脅狩獵、網絡診斷和異常檢測等任務。

🚀 快速開始

先決條件

• 操作系統：Linux 或 macOS（推薦）
• 已安裝並配置 Wireshark 的 tshark 工具
• Node.js 和 npm 環境

安裝步驟

1. 克隆 WireMCP 倉庫：

git clone https://github.com/your-repository/wire-mcp.git

2. 安裝依賴項：

cd wire-mcp
npm install

3. 啟動服務器：

node index.js

使用說明

配置文件路徑

• 示例配置文件路徑：config.json

示例命令

curl -X POST http://localhost:3000/api/capture-packets -d '{"interface":"eth0","duration":60}'

✨ 主要特性

WireMCP 向 MCP 客戶端提供了以下工具，增強 LLM 對網絡活動的理解：

• capture_packets：捕獲實時流量並返回 JSON 格式的原始包數據，使 LLM 能夠分析包級別的細節（如 IP 地址、端口、HTTP 方法）。
• get_summary_stats：提供協議層次統計信息，讓 LLM 瞭解流量構成的概覽（如 TCP 和 UDP 的使用情況）。
• get_conversations：返回 TCP/UDP 會話統計信息，幫助 LLM 跟蹤端點之間的通信流程。
• check_threats：捕獲 IP 地址並檢查其在 URLhaus 黑名單中的狀態，使 LLM 能夠識別潛在威脅。
• check_ip_threats：對特定 IP 地址執行多源威脅情報查詢，提供詳細聲譽和威脅信息。
• analyze_pcap：分析 pcap 文件並生成結構化輸出，供 LLM 解釋網絡活動。
• generate_report：根據輸入數據生成自然語言報告。

📚 詳細文檔

如何幫助 LLMs

LLMs 可以利用這些輸出：

• 提供網絡活動的自然語言解釋
• 識別模式和潛在安全問題
• 提供上下文相關的建議
• 生成易於理解的人類報告

輸出示例

捕獲數據包輸出

{
  "packets": [
    {
      "timestamp": "12:34:56.789",
      "source_ip": "192.168.1.1",
      "destination_ip": "192.168.1.2",
      "protocol": "TCP",
      "src_port": 1550,
      "dst_port": 23
    }
  ]
}

分析 pcap 文件輸出

{
  "summary": {
    "total_packets": 1000,
    "unique_hosts": 5,
    "traffic_volume": "1.2 MB"
  },
  "threats": [],
  "diagnostics": {
    "highest_bandwidth_usage": "192.168.1.3:80 (HTTP)",
    "inactive_interfaces": []
  }
}

路線圖

• 擴展 IOC 數據源：目前僅使用 URLhaus 進行威脅檢查。未來計劃整合更多來源（如 IPsum、Emerging Threats）以擴大覆蓋範圍。
• 增強報告功能：改進生成的自然語言報告，增加圖表和可視化元素。
• 優化性能：提升大規模數據處理效率。

📄 許可證

MIT

致謝

• Wireshark/tshark 團隊，感謝他們的出色包分析工具。
• Model Context Protocol 社區，感謝框架和規範的制定。
• URLhaus，感謝提供威脅情報數據。

貢獻

歡迎貢獻！請隨時提交 Pull Request。對於重大更改，請先打開問題討論您想修改的內容。