# 📡 PocketRecon-AI
用于本地 AI 驱动的网络安全侦察的轻量级 MCP 服务器
## 概述
**PocketRecon-AI** 是一个 **Model Context Protocol (MCP) 服务器**，使大型语言模型 (LLM) 能够直接在对话界面中执行网络安全侦察任务。专为 **Raspberry Pi** 和本地 PC 等**低功耗设备**打造。PocketRecon-AI 将 AI 代理与强大的安全工具连接起来，包括 **Nmap, Netcat, WhatWeb, Curl** 等。
该系统采用**双层架构**：一个 MCP 服务器与你的 LLM（LM Studio, VS Code, Cursor 等）通信，以及一个基于 Flask 的后端 API 执行实际的系统命令。
PocketRecon-AI 是**跨平台**的，可以在 **Linux 和 Windows** 环境中运行。
## 功能
### 网络侦察
- **ICMP Ping** – 具有可配置数据包计数的可达性测试
- **Traceroute** – 到目标地址的网络路径分析
- **Nmap 扫描** – 端口扫描、OS 检测、NSE 脚本执行等
- **Netcat** – TCP 连接性测试和原始 socket 交互
### Web 分析
- **目录暴力破解** – 使用 [dirb 字典](https://salsa.debian.org/pkg-security-team/dirb/-/blob/debian/master/wordlists/common.txt?ref_type=heads)进行 Web 目录枚举
- **技术指纹识别** – CMS 和框架检测
- **HTTP 安全审计** – 头部分析（HSTS, CSP 等）
- **Web 内容提取** – 从网页中提取结构化数据
### 情报收集
- **WHOIS 查询** – 域名注册数据检索
- **DNS 枚举** – 子域名发现和记录分析
- **CVE 查询** – 通过 NVD 进行被动漏洞搜索
- **IP 信誉** – 集成 AbuseIPDB 获取威胁情报
- **Web 搜索** – 轻量级 DuckDuckGo 搜索
### LLM 集成
- **MCP 服务器** – 原生 Model Context Protocol 支持
- **兼容**：LM Studio, VS Code, Cursor, Ollama 以及任何兼容 MCP 的客户端
- 通过对话界面实现**自动化安全工作流**
## 技术对比
AI 驱动的网络安全侦察平台、自主渗透测试助手以及基于 MCP 的攻击性安全工具的对比。
| 功能 | [**PocketRecon-AI**](https://github.com/hXR16F/PocketRecon-AI) | [**mcp-kali-server**](https://www.kali.org/tools/mcp-kali-server/) | [**PentAGI**](https://pentagi.com/) | [**HexStrike-AI**](https://www.hexstrike.com/) |
|---------|--------------------|---------------------|-------------|------------------|
| **资源占用** | 🟢 极其轻量 | 🟡 中等 | 🔴 非常庞大 | 🟡 中等 |
| **安全性** | 🟢 抽象的基于 wrapper 的执行 | 🔴 直接执行 shell 命令 | 🟢 容器化沙箱执行 | 🔴 直接执行 shell 命令 |
| **依赖项** | 🟢 Python + Nmap | 🟡 Kali Linux 环境 | 🔴 20+ GB 技术栈 + API 密钥 | 🟠 150+ 外部工具 |
| **配置复杂度** | 🟢 极简 | 🟡 中等 | 🔴 高 | 🟡 中等 |
| **系统要求** | 🟢 极低配置可运行 | 🟡 低端 PC | 🔴 推荐 4+ GB RAM | 🟡 低端 PC |
| **功能范围** | 🟡 侦察与扫描 | 🟢 完整的 Kali 生态系统 | 🟢 自主渗透测试框架 | 🟢 广泛的攻击性工具 |
## 架构
PocketRecon-AI 采用**双组件架构**，将 LLM 接口与命令执行分离开来：
| 组件 | 角色 | 文件 |
|-----------|------|------|
| **MCP 服务器 (客户端)** | 兼容 MCP 的服务器，与 LLM 通信 | `pocket_recon_mcp.py` |
| **后端 API (服务器)** | 执行命令的 Flask 服务器 | `pocket_recon_server.py` |
**MCP 服务器 (客户端)** 向你的 LLM 暴露工具，并将请求转发到**后端 API (服务器)**，由后者在你的系统上运行实际的安全工具。
## 安装与配置
### 前置条件
- **Python 3.10+**
- **Docker**（可选，用于容器化部署）
- **系统工具**（必须安装在后端 API 服务器上）：
- `curl`
- `ping`
- `traceroute`
- `netcat`
- `nmap`
### 选项 1：本地安装（推荐用于 Raspberry Pi）
#### 步骤 1：克隆仓库
```
git clone https://github.com/hXR16F/PocketRecon-AI
cd PocketRecon-AI
```
#### 步骤 2：创建虚拟环境
```
python -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
```
#### 步骤 3：安装依赖
```
pip install -r requirements.txt
sudo apt install nmap # On Windows: install from https://nmap.org/download#windows
```
#### 步骤 4：运行后端 API 服务器
```
python pocket_recon_server.py --host 0.0.0.0 --port 5005
```
### 选项 2：Docker 部署
#### 构建 Image
```
docker build -t pocket-recon .
```
#### 运行 Container
```
docker run -d \
--name pocket-recon \
-p 5005:5005 \
--cap-add=NET_ADMIN \
--cap-add=NET_RAW \
pocket-recon
```
## 连接到你的 LLM
### [LM Studio](https://lmstudio.ai/)
1. 打开 LM Studio 并编辑 `mcp.json`。
2. 按如下方式进行配置：
```
{
"mcpServers": {
"PocketRecon-AI": {
"command": "python",
"args": [
"/path/to/pocket_recon_mcp.py",
"--server",
"http://localhost:5005"
],
"timeout": 900000
}
}
}
```
## 可用工具
所有工具都通过 MCP 协议暴露给你的 LLM，并映射到后端 API 端点：
| 工具 | 描述 | 参数 | API Endpoint |
|------|-------------|------------|--------------|
| `ping` | 用于可达性测试的 ICMP echo 请求 | `target`, `count` | `POST /api/ping` |
| `nmap` | 网络扫描（端口、OS 检测、NSE 脚本等） | `target`, `ports`, `scan_type`, `scripts`, `os_detection`, `service_detection`, `script_scan`, `script_args`, `top_ports_count`, `timing`, `extra_args` | `POST /api/nmap` |
| `netcat` | TCP 连接性和原始 socket 交互 | `target`, `port`, `data` | `POST /api/netcat` |
| `traceroute` | 跟踪到目标地址的网络路由 | `target` | `POST /api/traceroute` |
| `whois` | 获取域名注册数据 | `domain` | `POST /api/whois` |
| `curl` | 使用 curl 执行可定制的 HTTP 请求 | `url`, `method`, `data`, `json_body`, `headers`, `query_params`, `cookies`, `follow_redirects`, `timeout`, `connect_timeout`, `verbose`, `extra_args` | `POST /api/curl` |
| `dirbuster` | Web 目录暴力枚举 | `target` | `POST /api/dirbuster` |
| `http_request` | 具有重定向控制的高级 HTTP 交互 | `method`, `url`, `headers`, `params`, `data`, `json`, `follow_redirects`, `max_redirects` | `POST /api/http_request` |
| `whatweb` | 技术指纹识别（CMS、框架） | `target` | `POST /api/whatweb` |
| `dns_enum` | DNS 记录分析和子域名发现 | `domain` | `POST /api/dns_enum` |
| `header_security_audit` | 安全头部审计（HSTS、CSP 等） | `url`, `method` | `POST /api/header_security_audit` |
| `cve_lookup` | 通过 NVD 关键字搜索进行被动 CVE 查询 | `product`, `version` | `POST /api/cve_lookup` |
| `abuseipdb_checker` | 使用 AbuseIPDB 检查 IP 信誉 | `ip` | `POST /api/abuseipdb_checker` |
| `visit_website` | 从网页提取结构化内容 | `url`, `max_links`, `content_limit`, `timeout` | `POST /api/visit_website` |
| `web_search` | 使用 DuckDuckGo 进行轻量级 Web 搜索 | `query`, `limit` | `POST /api/web_search` |
## 安全最佳实践
1. **网络隔离**：在隔离的网络段中运行 PocketRecon-AI
2. **访问控制**：将后端 API 限制为 localhost 或受信任的 IP
3. **日志记录**：为所有工具执行启用审计日志
4. **更新**：定期更新系统工具（Nmap 等）
## 安全与道德警告
- **未经授权的扫描**：请勿使用此工具扫描你不拥有或没有明确书面测试许可的网络、系统或域名。
- **法律合规**：确保所有使用行为均符合当地法律和道德准则。
*Built with 💙*