在人工智能快速发展的今天，如何让AI更高效地与实际世界交互，成为许多开发者和研究者关注的焦点。MCP（Model Context Protocol）技术作为一种创新的工具集成方案，为AI提供了一种“双手”的能力，使其能够通过调用外部工具完成复杂任务。本文将展示在实际场景中的应用。
情况搭建
在开始构建MCP工具之前，我们需要先搭建一个稳固的工作情况。以下是详细的情况配置步骤：
初始化项目
起首，我们需要初始化一个项目目录，这将作为我们后续开发的基础。运行以下下令：- uv init dirsearch-mcp-server
注：
uv 是一个挺全面的python依赖管理工具，但本人不用python做主力很久，略有陌生，按照大家的推荐也使用的uv。
这个项目名称原本是想用来连接dirsearch使用的，怎样情况题目一直搞不定，遂怒，决定使用 go run main.go 运行自编写的go程序，情况报错，亦怒， 直接 go build 编译执行。
创建Python虚拟情况
为了确保开发情况的隔离性和稳固性，我们使用Python虚拟情况。进入项目目录后，运行以下下令：- cd dirsearch-mcp-server
- uv venv
激活虚拟情况
激活虚拟情况是使用MCP工具的条件。根据你的操作系统，运行以下下令：激活后，你的下令行提示符会显示(venv)，表现虚拟情况已成功激活。
安装依赖
接下来，我们需要安装MCP的依赖包。运行以下下令：这将安装MCP的核心库及其下令行接口（CLI），为后续开发提供支持。
创建MCP服务器：赋予AI执行能力
在情况配置完成后，我们可以开始创建一个MCP服务器。以下是详细的实现代码：- import subprocess
- import time
- from pathlib import Path
-
- from mcp.server.fastmcp import FastMCP
-
- # Initialize FastMCP server
- mcp = FastMCP("beian-query-server", log_level="ERROR")
-
- @mcp.tool()
- async def run_beian_query(domain: str, timeout: int = 300) -> dict:
- """
- 执行备案信息查询工具
-
- 参数:
- domain (str): 要查询的域名 (如 baidu.com)
- timeout (int): 最大执行时间（秒）
-
- 返回:
- dict: 包含执行结果的字典
- """
- start_time = time.time()
- result = {
- "status": "pending",
- "command": "",
- "returncode": None,
- "stdout": "",
- "stderr": "",
- "duration": 0.0
- }
- try:
- # 配置固定参数
- target_dir = r"E:\Script\GoStore\RedTeam\tools\ToolsForBeian"
- exe_path = str(Path(target_dir) / "beian.exe")
- go_cmd = [exe_path, "info", "-i", domain]
-
- # 验证环境
- if not Path(exe_path).exists(): # 关键修改点3
- raise FileNotFoundError(f"beian.exe not found in {target_dir}")
-
- # 记录完整命令
- result["command"] = " ".join(go_cmd)
-
- # 执行命令
- process = subprocess.run(
- go_cmd,
- cwd=target_dir,
- stdout=subprocess.PIPE,
- stderr=subprocess.PIPE,
- timeout=timeout,
- encoding='utf-8',
- errors='replace'
- )
-
- # 记录结果
- result.update({
- "status": "success",
- "returncode": process.returncode,
- "stdout": process.stdout.strip(),
- "stderr": process.stderr.strip(),
- "duration": round(time.time() - start_time, 2)
- })
-
- except subprocess.TimeoutExpired as e:
- result.update({
- "status": "timeout",
- "stderr": f"执行超时 ({timeout}s)",
- "duration": timeout
- })
- except Exception as e:
- result.update({
- "status": "error",
- "stderr": str(e),
- "duration": round(time.time() - start_time, 2)
- })
-
- return result
-
- if __name__ == "__main__":
- mcp.run(transport="stdio")
代码剖析
- 初始化MCP服务器
使用FastMCP类创建一个服务器实例，指定服务器名称为beian-query-server，并将日志级别设置为ERROR，以减少不必要的输出。
- 定义工具函数
通过@mcp.tool()装饰器，我们将run_beian_query函数注册为一个MCP工具。这个函数接收两个参数：domain（域名）和timeout（超时时间），并返回一个包罗执行结果的字典。
- 工具逻辑
- 配置工具路径：指定beian.exe的路径，并验证其是否存在。
- 执行下令：通过subprocess.run执行备案查询下令，并捕获输出和错误信息。
- 结果处理：根据执行结果更新状态、返回码、输出内容和执行时间。
配置MCP Client
创建好 server 后，就需要对client举行配置了，由于 vscode 中 cline 插件很好的支持了 mcp server 功能，可以节省我们创建 mcp client 的步骤 ，但是使用时需要举行相干配置，以下是配置文件的内容：- {
- "mcpServers": {
- "beian-query-server": {
- "name": "调用golang工具的备案查询工具",
- "key": "dirsearch-mcp-server",
- "command": "uv",
- "args": [
- "--directory",
- "E:\\Script\\PyStore\\dirsearch-mcp-server\",
- "run",
- "--with",
- "mcp",
- "mcp",
- "run",
- "main.py"
- ],
- "disabled": false,
- "autoApprove": []
- }
- }
- }
- name：工具的名称，用于描述工具的功能。
- key：工具的唯一标识符。
- command：运行工具的下令。
- args：下令的参数列表，用于指定运行情况和脚本路径。
- disabled：是否禁用该工具。
- autoApprove：自动批准的工具列表。
这段配置相当于运行以下下令：- uv --directory E:\Script\PyStore\dirsearch-mcp-server\ run --with mcp mcp run main.py
为了更方便地使用MCP工具，我们可以在VSCode中安装cline插件，并举行以下配置：
- 安装插件
在VSCode的扩展市场中搜索并安装cline插件。
- 选择MCP服务器
打开VSCode，选择MCP server作为目的服务器。
- 配置工具
点击Config按钮，按照提示完成配置。
- 运行工具
配置完成后，工具将自动运行，如下图所示：
- 检察结果
工具运行后，你可以在VSCode的输出窗口中检察结果，如下图所示：
最终的查询结果如下：
总结
通过本文的介绍，我们成功搭建了一个基于MCP技术及ai技术的智能化备案信息查询工具，并实现了自动调用和结果展示。
MCP技术为AI提供了一种与外部工具交互的能力，在渗出测试中，如果将完整的渗出测试工具链通过MCP技术装备给ai调用，那么智能化的渗出测试工具将极大的进步工作的服从，就可以实现渗出测试从自动化到完全智能化的转变。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
