CobaltoSec/llamascope-mcp

[](https://pypi.org/project/llamascope-mcp/) [](https://github.com/CobaltoSec/llamascope-mcp/actions) [](tests/) [](LICENSE) [](pyproject.toml) # llamascope-mcp llamascope-mcp 用于检测暴露在你的网络或互联网上的、未经身份验证的 Ollama、Gradio、vLLM、LMStudio、FastAPI 以及自定义 AI agent 实例。它可以检查模型投毒 (model poisoning)、配置泄露、映射到 CVE 的漏洞、prompt 注入以及越狱 (jailbreak) 攻击面。 它是 [CobaltoSec](https://cobalto-sec.tech) 工具包的一部分，与 [Corvus](https://github.com/CobaltoSec/corvus)（MCP 安全）和 [Condor](https://github.com/CobaltoSec/condor)（agentic AI 安全）并驾齐驱。 ## 安装说明 ``` pip install llamascope-mcp ``` 或者作为 MCP server 在 Claude Code / Claude Desktop 中运行： ``` { "llamascope": { "command": "llamascope-mcp", "env": { "LLAMASCOPE_PROXY": "socks5://127.0.0.1:9150" } } } ``` ## MCP 工具 — 10 个 | 工具 | 功能描述 | |------|-------------| | `scan_host` | 对单个 host 进行全面审计：指纹识别 + 枚举 + 所有检查 | | `scan_network_range` | 并发扫描 CIDR 范围内的所有 host | | `probe_surface` | 访问 14 个常见的 AI 服务路径，以指纹识别正在运行的服务 | | `enumerate_models` | 列出已加载的模型并分析其 registry 来源 | | `check_model_poisoning` | 检测来自不受信任或异常 registry 的模型 | | `check_config_leak` | 测试是否存在未经身份验证的 API 访问以及后端 URL 暴露 | | `check_ai_cves` | 将检测到的服务版本与已知的 CVE 进行匹配 | | `probe_inference` | 运行测试 prompt，以确认是否存在未经身份验证的推理访问 | | `test_prompt_injection` | 发送 prompt 注入 payload 并对响应进行评分 | | `test_jailbreak` | 发送越狱 (jailbreak) payload 并对响应进行评分 | ## 检测的平台 | 平台 | 检测方法 | |----------|-----------------| | Ollama | `/api/tags`, `/api/version` | | Gradio | `X-Gradio-Version` header, `/info` | | vLLM | `/v1/models`, 兼容 OpenAI 的 schema | | LM Studio | `/v1/models` + 响应中包含 `lmstudio` | | FastAPI AI agent | 带有 model/tool 字段的 `/openapi.json` | | 自定义 AI agent | 带有 model/tools/agent 关键字的 `/` 响应 | ## OPSEC llamascope-mcp 实现了严格的扫描/交互分离： - **扫描路径** (`scan_host`, `scan_network_range`, `probe_surface`)：所有 HTTP 请求均通过 `httpx` 发起，并支持 `LLAMASCOPE_PROXY`（SOCKS5/HTTP） - **交互路径** (`probe_inference`, `test_prompt_injection`, `test_jailbreak`)：直接调用 —— 始终通过 Kali 或受控的出口节点 (egress point) 进行路由 设置 `LLAMASCOPE_PROXY=socks5://127.0.0.1:9150` 即可通过 Tor 路由扫描流量。 ## 快速开始 ``` # 作为 library from llamascope.scanner import scan_host results = await scan_host("192.168.1.50", port=11434) ``` ``` # 通过 Claude Code MCP # "扫描 192.168.1.50 以查找暴露的 AI 服务" # "检查此 host 上的任何模型是否来自不受信任的 registries" # "对 port 7860 上的 Gradio endpoint 运行 prompt injection 测试" ``` ## 许可证 MIT © [CobaltoSec](https://cobalto-sec.tech)

标签：AI安全, Chat Copilot, DLL 劫持, MCP服务, 大语言模型, 实时处理, 密码管理, 网络安全, 运行时操纵, 逆向工具, 隐私保护