一款开源AI MCP框架原理分析
本文主要是针对一款开源AI MCP框架的原理进行分析,看看其中的实现逻辑。
0x00 前言
本文主要是针对一款开源AI MCP框架的原理进行分析,看看其中的实现逻辑。
最近看到OpenClaw特别火,所以抽出一些时间用来研究相关的东西,也不用特别神化这个东西,就是一个调度器,用Claude调度反而更快。
简单的看一下,AI,Skills,以及MCP的关系
Skills
AI使用的SOP文档,第一步干嘛,第二步干嘛...
MCP
AI可以使用的工具,比如你的任务拆解出来,需要计算1+1的结果,AI自己就处理了,但是如果是一个更难的问题,虽然他也能做,但是会很慢,以及会出错,所以他需要一个专业的工具,给他确切的结果。
eg:
你让他解码一个Base64,他拿到这个任务,拆解为:
- 你给我的是不是Base64。
- 如果是,我需要解开他。
- 有Base64解码工具,我直接调用。
- 如果没有,我就只能自己通过Base64的原理计算了。
所以如何把之前人调度的脚本,现在通过一种标准的方式,让AI可以进行调度,就是一个需要解决的问题。
0x01 MCP框架拆解
项目地址:https://github.com/haobachang-1/HBC_SEC_MCP
HBCSECMCP 是一个安全工具网关,将传统命令行安全工具包装为现代化的 MCP 服务。它实现了 MCP JSON-RPC 2.0 协议,让 AI 客户端能够以标准化的方式发现并调用安全测试能力。
核心技术栈
- Flask - Web 服务框架,提供 HTTP API
- MCP Protocol - Model Context Protocol 协议实现
- SQLMap - 集成 SQL 注入检测工具
- Python 3 - 主要开发语言
配置说明
编辑 app/config.py 修改服务配置:
API_PORT- 服务监听端口(默认:5000)DEBUG_MODE- 调试模式开关TOOL_SQLMAP_SCAN- SQLMap 工具名称常量
依赖要求
- Python 3.8+
- Flask >= 3.0.0
- requests >= 2.31.0
- mcp >= 1.0.0
看了代码之后,发现这个工具最根本的理念是,让安全人员或者工具编写人员,不再关注MCP的格式和调用方法,只通过一个Model就可以编写工具供AI进行调用。
调用逻辑图
目录结构
HBC_SEC_MCP/
├── server.py # Flask 服务主入口
├── requirements.txt # 项目依赖
├── .gitignore # Git 忽略规则
├── README.md # 项目说明文档
├── app/
│ ├── __init__.py
│ ├── config.py # 配置常量
│ ├── mcp_protocol.py # MCP 协议实现
│ ├── tool_dispatcher.py # 工具调度器
│ ├── command_executor.py # 命令执行封装
│ ├── logging_setup.py # 日志配置
│ └── tools/
│ ├── __init__.py
│ ├── base_tool.py # 工具基类
│ ├── sqlmap_tool.py # SQLMap 集成
│ ├── command_exec_tool.py # 命令执行工具
│ └── _tool_template.py # 新工具开发模板
└── log/ # 运行日志目录Server.py 调用逻辑
可以看到这里通过/mcp/capabilities获取所有的能力,并且通过动态列表拉取的方式,通过Tools获取到了工具列表。
这里我们跟进一下工具获取的方法,可以看到有一个基础工具,可以通过指定的路径来读取到所有的文件,并且动态的进行注册
Tools动态注册
在Tools文件夹里找到了一个基础的工具类,这个工具类包含了工具名字和描述,这里的描述是为了给AI进行提示和说明的,你说的越清楚,AI约了解这个工具,当然你也可以通过Skills进行约束。
from typing import Any, Dict, Optional, Tuple
from .base_tool import BaseTool
class XxxTool(BaseTool):
"""Template tool: copy this file and rename class/module for a new tool."""
# Tool unique name used by MCP tools/call and HTTP dispatcher.
name = "xxx_tool"
# Tool description shown in tools/list.
description = "Run xxx tool."
# MCP input schema for this tool.
input_schema = {
"type": "object",
"properties": {
"target": {"type": "string"},
"additional_args": {"type": "string"},
},
"required": ["target"],
}
@staticmethod
def _parse_params(params: Dict[str, Any]) -> Tuple[Optional[Dict[str, str]], Optional[str]]:
target = str(params.get("target", "")).strip()
if not target:
return None, "target is required"
normalized = {
"target": target,
"additional_args": str(params.get("additional_args", "")).strip(),
}
return normalized, None
@staticmethod
def _build_command(target: str, additional_args: str = "") -> str:
command = f"echo running xxx for {target}"
if additional_args:
command += f" {additional_args}"
return command
def run(self, params: Dict[str, Any]) -> Dict[str, Any]:
normalized, error = self._parse_params(params)
if error:
return {"error": error, "success": False}
command = self._build_command(
target=normalized["target"],
additional_args=normalized["additional_args"],
)
# Replace this mock response with real execution logic.
return {
"success": True,
"message": "Template tool executed",
"command": command,
}
然后就是run方法,在run方法里提供了一个可以自己进行控制的内容,所有的工具调度都可以自行在这里实现。查看了一下MCP自带的工具,使用的是execute_command方法
继续向下追溯,可以看到最终在这里执行了系统命令,然后按照如下格式进行返回,
return {
"stdout": self.stdout_data,
"stderr": self.stderr_data,
"return_code": self.return_code,
"success": success,
"timed_out": self.timed_out,
"partial_results": partial_results,
}其他的就是一些自动扫描一类的东西,可以自由编写自己的工具进行封装。在mcp_protocol.py里,还发现除了支持http的调用以外,还支持标准的MCP协议进行连接。
import json
from typing import Any, Dict
from .config import MCP_PROTOCOL_VERSION
def mcp_success_response(req_id: Any, result: Dict[str, Any]) -> Dict[str, Any]:
return {"jsonrpc": "2.0", "id": req_id, "result": result}
def mcp_error_response(req_id: Any, code: int, message: str) -> Dict[str, Any]:
return {"jsonrpc": "2.0", "id": req_id, "error": {"code": code, "message": message}}
def handle_mcp_method(req_id: Any, method: str, params: Dict[str, Any], execute_named_tool, tools_catalog):
if method == "initialize":
return mcp_success_response(
req_id,
{
"protocolVersion": MCP_PROTOCOL_VERSION,
"capabilities": {"tools": {"listChanged": False}},
"serverInfo": {"name": "kali-mcp-http", "version": "1.0.0"},
},
), 200
if method == "notifications/initialized":
return None, 204
if method == "ping":
return mcp_success_response(req_id, {}), 200
if method == "tools/list":
return mcp_success_response(req_id, {"tools": tools_catalog()}), 200
if method == "tools/call":
tool_name = params.get("name", "")
arguments = params.get("arguments", {}) or {}
if not tool_name:
return mcp_error_response(req_id, -32602, "Missing tool name"), 400
tool_result = execute_named_tool(tool_name, arguments)
is_error = bool(tool_result.get("error"))
text_result = json.dumps(tool_result, ensure_ascii=False)
return (
mcp_success_response(
req_id,
{
"content": [{"type": "text", "text": text_result}],
"isError": is_error,
},
),
200,
)
return mcp_error_response(req_id, -32601, f"Method not found: {method}"), 404
总结
这个开源项目采用的是Flask + 工具调度器的分层结构,入口、协议、工具执行职责分明,工具通过统一接口注册和分发,新增工具时只要按模板实现即可接入。但是注意的是,在使用的时候,非必要不要开启0.0.0.0,后续看能否加上权限判断相关的内容。
本文剖析HBC_SEC_MCP框架,详解其如何通过Flask与MCP协议将SQLMap等安全工具封装为AI可调用的标准服务。
由 AI 根据全文自动生成,仅供参考,以原文为准