项目名称: FLYsecAgent

这是一个基于大语言模型和MCP（Model-Controller-Plugin）和Rag架构的网络安全智能助手项目。它旨在通过自然语言交互，帮助用户执行渗透测试任务、查询安全信息、分析流量包等。

功能特性

• 自然语言交互: 用户可以通过自然语言向AI助手提问和下达指令。

• MCP服务器集成: 通过 mcp.json 配置文件，可以灵活集成和管理多个MCP服务器，扩展助手的能力。

• 工具调用: AI助手能够根据用户请求，调用配置的MCP服务器提供的工具（例如：nmap, gobuster, fofa, tavily-search等）。

• 对话历史记忆: 支持多轮对话，能够记住之前的交互内容。

• 流式输出: AI的回答可以流式输出，提供更好的用户体验。

• 知识库增强 (可选): 支持通过本地知识库Rag（knowledge_base_docs目录）来增强AI的回答质量。

• 可配置模型: 支持配置不同的语言模型参数。

• 启动效果

  sqlmap调用效果:

  

  此外还可以调用dirsearch，nmap等工具

安装指南

1. 克隆仓库:

   git clone https://github.com/hnking-star/FlySecAgent.git
   cd agent
   

2. 创建并激活虚拟环境 (推荐):

   python -m venv .venv
   

   • Windows:

     .venv\Scripts\acti![屏幕截图 2025-05-11 154031](https://github.com/user-attachments/assets/3991c18f-9e01-41f0-8de2-963ff1d14a87)
     

vate - macOS/Linux: bash source .venv/bin/activate ```

3. 安装依赖:

   pip install -r requirements.txt
   

4. 安装 uv (重要): 本项目使用 uv 作为 Python 包的运行器和部分场景下的安装器。

   • start.bat 脚本会自动尝试为您安装 uv。
   • 如果您希望手动安装或在其他环境中使用，可以运行：

     pip install uv
     

     或者参考 uv 的官方文档进行安装。 确保 uv 已成功安装并可以从命令行调用。

使用方法

1. 配置MCP服务器: 修改 mcp.json 文件，根据您的环境和需求配置MCP服务器。确保每个服务器的启动命令和参数正确无误。例如，您可能需要更新 TAVILY_API_KEY 或其他服务器特定的路径/参数。

2. 准备知识库 (可选): 如果您希望使用知识库增强功能，请将相关的文本文件（例如 .txt）放入 knowledge_base_docs 文件夹中。

3. 运行主程序:

   python main.py
   

   程序启动后，您可以根据提示输入您的问题或指令。

文件结构

agent/
├── .venv/                  # Python虚拟环境 (被.gitignore忽略)
├── knowledge_base_docs/    # 知识库文档存放目录
│   └── ...
├── .gitignore              # Git忽略文件配置
├── main.py                 # 主程序入口
├── mcp.json                # MCP服务器配置文件
├── rag_embedding.py        # RAG嵌入相关 (如果使用)
├── rag_split.py            # RAG文本分割相关 (如果使用)
├── README.md               # 项目说明文件
├── requirements.txt        # Python依赖列表
├── LICENSE                 # 项目许可证
└── ... (其他脚本或配置文件)

配置文件 (.env)

BASE_URL=https://api.302.ai
API_KEY=your_r_api_key
MODEL_NAME=gpt-4o


EMBEDDING_API_KEY=your_embedding_api_key
OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

上面对应的是所用模型api和key，下面对应的是embedding的key和url（使用阿里云的）

配置文件 (mcp.json)

此文件用于定义AI助手可以连接和使用的MCP服务器。每个服务器条目应包含:

• name: 服务器的唯一名称。
• params: 启动服务器所需的参数，通常包括 command 和 args。
• cache_tools_list: 是否缓存工具列表。

MCP示例服务器配置:

stdio

{
  "name": "tavily-search",
  "params": {
    "command": "uv",
    "args": [
      "--directory",
      "F:\\ai\\mcp\\mcp_tool\\mcp-server-tavily",
      "run",
      "tavily-search"
    ],
    "env": {
      "TAVILY_API_KEY": "your_tavily_api_key_here",
      "PYTHONIOENCODING": "utf-8"
    }
  },
  "cache_tools_list": true
}

请确保将示例中的路径和API密钥替换为您自己的配置。

sse

{"name":"mcpname",
      "url":"http://127.0.0.1:8009/sse"
},

知识库配置

在knowledge_base_docs添加相应的文件即可