awsome-kali-MCPServers 使用指南
1. 项目介绍
awsome-kali-MCPServers 是一款为 Kali Linux 环境量身定制的 Model Context Protocol(MCP)服务器集合。该项目旨在通过集成强大的工具和灵活的特性,增强反向工程、安全测试和自动化工作流程。无论是安全研究员还是开发者,这个项目都能帮助简化您的任务。
2. 项目快速启动
构建 Docker 镜像
首先,您需要构建一个名为 kali-mcps 的 Docker 镜像。在项目根目录下运行以下命令:
docker build -t kali-mcps:latest .
启动 MCP 客户端
确保您已经安装了一个 MCP 客户端,比如 claude desktop、cline、goose 或 roo code。打开您选择的 MCP 客户端。
配置 MCP 客户端
在您的 MCP 客户端中,创建一个配置文件(例如 config.json),内容如下:
{
"mcpServers": {
"kali-docker": {
"command": "docker",
"args": ["run", "-i", "kali-mcps:latest"]
}
}
}
在这里,kali-docker 是服务器名称,您可以自定义。command: "docker" 指定使用 Docker 运行容器。args 定义了 Docker 运行参数:-i 启用交互模式,kali-mcps:latest 是您刚刚构建的镜像。
使用 Kali 工具
一旦配置完成,通过 MCP 客户端连接到 kali-mcps 容器,并开始使用内置的 Kali 工具(如 Nmap、nm、objdump、strings、tshark)执行任务。例如:
- 运行
basic_scan进行基本网络扫描。 - 运行
disassemble反汇编目标文件。 - 运行
capture_live捕获实时网络流量。
3. 应用案例和最佳实践
网络分析
使用集成的工具进行嗅探和分析网络流量。例如,使用 Nmap 进行网络扫描,tshark 进行网络流量分析。
二进制理解
利用工具进行反向工程和功能分析,比如使用 objdump 反汇编文件,nm 列出符号。
自动化
通过脚本和服务器简化重复性任务,比如自动化的网络扫描和流量捕获。
4. 典型生态项目
awsome-kali-MCPServers 可以与多个开源项目配合使用,以下是一些典型的生态项目:
- Nmap:用于网络发现和安全审核的免费开源工具。
- Wireshark:一个网络协议分析器,用于网络问题分析、软件和通信协议开发。
- Ghidra:由 NSA 开发的一个反向工程工具,用于分析二进制文件。
- Radare2:一个开源的逆向工程框架。
通过这些工具和项目的结合使用,可以极大地扩展 awsome-kali-MCPServers 的功能和应用场景。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00