Token导航 LogoToken导航

MCP Server · 安全风控

Sami Gpt

SamiGPT是一个AI驱动的安全调查和事件响应平台,为安全运营团队提供案例管理、SIEM分析和CTI增强的智能自动化。

stdio官方级别未说明来源级核验工具 0
PythonClaude安全Claude DesktopCursor

快速开始

作者 / 组织
M507
提供方
M507
运行时
Python

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

30

仓库热度

收录来源

2 个

MCP World

选型结论

Sami Gpt 属于安全风控类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,适配 Claude Desktop、Claude、Cursor,有可以直接复制的安装命令;接入前先确认权限范围。

分类

安全风控

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

python3 cursor_agent.py --web --port 8081 --host 127.0.0.1

客户端配置示例

{
  "mcpServers": {
    "ai-soc-agent": {
      "command": "python3",
      "args": [
        "cursor_agent.py",
        "--web",
        "--port",
        "8081",
        "--host",
        "127.0.0.1"
      ]
    }
  }
}

按公开安装命令拼出来的示例,字段名和参数以仓库 README 为准;带 YOUR_API_KEY 这类占位符的位置记得换成自己的值。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

SamiGPT

SamiGPT 是一个基于人工智能的安全调查和事件响应平台,通过模型上下文协议(MCP)为安全运营团队提供案例管理、SIEM分析和CTI丰富的智能自动化。

注: 该项目目前正在积极开发中。随着开发的进展,功能、API和文档可能会发生变化。

演示

观看演示视频,了解SamiGPT的运行情况:

演示视频

性能和成本

关键指标:

  • 每次警报约0.18美元
  • 每个代理/标签调查警报大约需要50秒

有关详细的成本和使用数据,请参阅: 成本数据CSV

有关详细的文件和演示材料:

AI代理演示文稿PDF

快速开始

SamiGPT可以通过两种方式使用:

方法1:AI控制器(Web界面)

AI控制器提供基于web的界面,并使用Cursor IDE cursor-agent 用于命令执行的二进制文件。

先决条件:

  • 必须安装Cursor IDE(从下载 cursor.sh)
  • 验证 cursor-agent 二进制文件可用:
  which cursor-agent
  # Should show path like: /usr/local/bin/cursor-agent or ~/.local/bin/cursor-agent

步骤:

  1. 激活虚拟环境:
   source venv/bin/activate  # On Windows: venv\Scripts\activate
  1. 启动AI控制器web界面:
   python3 cursor_agent.py --web --port 8081 --host 127.0.0.1
  1. 打开浏览器:

导航到 http://127.0.0.1:8081 访问web界面。

方法2:MCP服务器(直接集成)

直接使用MCP服务器将SamiGPT工具连接到Cursor、Claude Desktop或其他MCP兼容工具。

步骤:

  1. 激活虚拟环境:
   source venv/bin/activate  # On Windows: venv\Scripts\activate
  1. 启动MCP服务器:
   python -m src.mcp.mcp_server
  1. 配置您的AI工具 (有关详细说明,请参阅下面的“将MCP服务器连接到AI工具”部分)

注: MCP服务器方法不需要Cursor IDE cursor-agent 二进制-它可以直接与任何兼容MCP的工具配合使用。

概述

SamiGPT充当MCP服务器,将安全调查和响应功能作为AI代理、LLM工具和自动化工作流可以使用的工具。它提供了一个统一的、vendor-neutral API层,该层连接到:

  • 案例管理系统 (The Hive,IRIS)
  • SIEM平台 (弹性)
  • EDR解决方案 (弹性防护)
  • 威胁情报 (OpenCTI,本地TIP)

该平台通过SOC层(SOC1、SOC2)组织的智能代理配置文件,实现了自动分诊、调查、关联和响应工作流程。

特性

核心能力

  • 自动警报分类:安全警报的智能初步评估和分类
  • 事件管理:使用可观察性、注释和时间线跟踪创建、更新和管理安全案例
  • SIEM集成:搜索安全事件,以指标为中心,并跨环境关联活动
  • EDR响应:端点隔离、进程终止和取证工件收集
  • 威胁情报:国际奥委会的丰富性和声誉分析
  • 多层SOC工作流程:SOC1(分诊)和SOC2(调查)的结构化工作流程

代理商简介和操作手册

SamiGPT包括预配置的代理配置文件和专门的运行手册:

  • SOC1代理:初步警报分诊、富集和假阳性鉴定
  • SOC2代理:深入调查、相关性和案例分析

工作流

SamiGPT使用按SOC层组织的结构化工作流。下图说明了执行流程:

代理配置文件流

此图显示了代理配置文件的组织方式,以及路由规则如何将案例引导到适当的SOC层代理。

初始警报分类(SOC1)

初始警报分流工作流程处理新的安全警报,执行快速评估、丰富,并确定是创建病例还是关闭假阳性。

案例分析(SOC2)

SOC2案例分析工作流程执行深入调查、SIEM分析、CTI丰富、关联,并为SOC3升级准备案例。

安装

先决条件

  • Python 3.9或更高版本
  • pip包管理器

设置

  1. 克隆仓库:
   git clone 
   cd SamiGPT
  1. 创建并激活虚拟环境:
   python3 -m venv venv
   source venv/bin/activate  # On Windows: venv\Scripts\activate
  1. 安装依赖项:
   pip install --upgrade pip
   pip install -r requirements.txt
  1. 配置集成 (见下面的配置部分)

将MCP服务器连接到AI工具

如果你正在使用 方法2:MCP服务器 (请参阅上面的快速入门),配置您的AI工具以连接到MCP服务器:

光标集成
  1. 打开光标设置→ 特性→ 模型上下文协议
  2. 添加SamiGPT服务器配置:
   {
     "mcpServers": {
       "sami-gpt": {
         "command": "python",
         "args": ["-m", "src.mcp.mcp_server"],
         "cwd": "/absolute/path/to/SamiGPT"
       }
     }
   }
  1. 重新启动Cursor并开始在聊天中使用SamiGPT工具
Claude桌面集成

编辑 ~/Library/Application Support/Claude/claude_desktop_config.json (macOS)或 %APPDATA%\Claude\claude_desktop_config.json (Windows):

{
  "mcpServers": {
    "sami-gpt": {
      "command": "python",
      "args": ["-m", "src.mcp.mcp_server"],
      "cwd": "/absolute/path/to/SamiGPT"
    }
  }
}
其他MCP兼容工具

MCP服务器还可以连接到:

  • 打开WebUI (通过MCP配置)
  • 其他LLM工具 支持模型上下文协议

建筑

基础设施概述

目录结构

SamiGPT/
├── src/
│   ├── api/              # Generic interfaces (CaseManagementClient, SIEMClient, EDRClient)
│   ├── core/             # Configuration, logging, errors, DTOs
│   ├── integrations/     # Vendor-specific implementations
│   │   ├── case_management/  # TheHive, IRIS integrations
│   │   ├── siem/             # Elastic integration
│   │   ├── edr/              # EDR platform integrations
│   │   ├── cti/              # Threat intelligence integrations
│   │   └── eng/              # Engineering board integrations
│   ├── mcp/              # MCP server, runbook manager, agent profiles
│   ├── orchestrator/     # Workflow orchestration
│   └── web/              # Web UI for configuration
├── run_books/            # SOC tier runbooks and workflows
├── config/               # Agent profiles and configuration
└── client_env/           # Client-specific infrastructure data

设计原则

  • 供应商中立API:所有集成都实现了通用接口,允许轻松交换安全工具
  • 关注点分离:AI/编排器层仅与通用API交互,从不与特定于供应商的代码交互
  • 模块化集成:每个供应商集成都包含HTTP客户端、模型、映射器和客户端实现

配置

配置通过以下方式管理 config.json 并且可以通过网络界面或直接进行编辑。

配置文件结构

看 config.json.example 以获取完整的配置模式。关键部分:

  • iris / thehive:案例管理配置
  • elastic:SIEM配置
  • edr:EDR平台配置
  • cti:威胁情报配置
  • eng:工程板配置(ClickUp、Trello、GitHub)
  • ai_controller:AI控制器web界面设置
  • logging:日志记录配置

使用示例

基本案例操作

# List all open cases
cases = list_cases(status="open")

# Review a specific case
case = review_case(case_id="123")

# Add an observable to a case
attach_observable_to_case(
    case_id="123",
    observable_type="ip",
    observable_value="192.168.1.100",
    description="Suspicious source IP"
)

SIEM调查

# Search for security events
events = search_security_events(
    query="source.ip: 192.168.1.100",
    hours_back=24
)

# Get file report
report = get_file_report(file_hash="abc123...")

# Pivot on an indicator
related_events = pivot_on_indicator("192.168.1.100")

EDR响应

# Get endpoint summary
endpoint = get_endpoint_summary(endpoint_id="host-123")

# Isolate an endpoint
isolate_endpoint(endpoint_id="host-123")

# Collect forensic artifacts
collect_forensic_artifacts(
    endpoint_id="host-123",
    artifact_types=["processes", "network", "filesystem"]
)

代理配置文件执行

# Execute as SOC1 triage agent
execute_as_agent(
    agent_id="soc1_triage_agent",
    alert_id="alert-123"
)

# Execute specific runbook
execute_runbook(
    runbook_name="initial_alert_triage",
    alert_id="alert-123",
    case_id="case-456"
)

日志记录

SamiGPT提供全面的日志记录:

  • MCP服务器日志: logs/mcp/mcp_all.log, mcp_requests.log, mcp_responses.log, mcp_errors.log
  • 应用程序日志: logs/debug.log, logs/error.log, logs/warning.log

发展

添加新集成

  1. 创建集成目录 在...之下 src/integrations/
  2. 实现通用接口 从 src/api/
  3. 添加HTTP客户端、模型和映射器
  4. 在配置中注册

示例结构:

src/integrations/case_management/new_vendor/
├── __init__.py
├── client.py          # HTTP client
├── models.py          # Vendor-specific models
├── mapper.py          # Vendor ↔ Generic DTO mapping
└── case_client.py     # Implements CaseManagementClient

运行测试

# Run all tests
pytest tests/

# Run specific integration tests
pytest tests/integrations/case_management/

贡献

贡献时:

  1. 将所有特定于供应商的代码保存在 src/integrations/
  2. 确保所有集成都实现了中的通用API src/api/
  3. 为新集成添加测试
  4. 根据需要更新文档

许可证

麻省理工学院

支持

对于问题、疑问或贡献,请在存储库上打开问题。

致谢

在文献综述期间,以下项目帮助并激励了我们:

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

安全运营Python本地部署事件响应SIEM分析案例管理威胁情报

支持客户端

Claude DesktopClaudeCursor

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

资产与漏洞排查

批量查询资产和漏洞信息,输出待修清单。

日志审计

从日志里筛出异常访问和高风险操作。

合规检查

按规则核对配置项,记录不符合项。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已经适配 Claude Desktop、Claude、Cursor,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在安全风控场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Sami Gpt

MCP World · 本页

0stdio有2 个2026-05-17
Modelcontextprotocol C22988b0

MCP World

0stdio有1 个2026-05-17
Hexstrike AI

MCP World

0stdio有1 个2026-05-17
Cyber Strike AI

MCP World

75未说明未标注1 个2026-05-17
MCP Scan

MCP World

0stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Sami Gpt 怎么安装?

公开资料给出的安装命令是 python3 cursor_agent.py --web --port 8081 --host 127.0.0.1,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Sami Gpt 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

Sami Gpt 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Sami Gpt 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Sami Gpt 支持哪些客户端?

公开资料标注支持 Claude Desktop、Claude、Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP