使用Nmap工具集成的AI助手聊天

该项目提供了一个基于Web的聊天界面，使用Gradio让用户能够与一个由OpenAI API驱动的AI助手进行交互。该助手配备了与本地文件系统交互以及使用容器化的Nmap服务器执行网络扫描的工具。

概述

应用程序使用了OpenAI代理SDK框架。用户请求由一个AI代理处理，该代理可以对请求进行推理并决定是否使用可用的工具。其特点包括：

• 使用Gradio前端进行简单交互。
• 后端使用OpenAI模型的AI代理（需要API密钥）。
• 使用Model Context Protocol (MCP)服务器访问文件系统（使用@modelcontextprotocol/server-filesystem）。
• 提供Nmap扫描功能的容器化MCP服务器（ping、端口扫描、服务发现、SMB共享枚举）[引用：14, 16, 18, 20, 22]。

Nmap服务器运行在一个Docker容器中，便于依赖管理和隔离。

功能

• 对话式AI助手。
• 文件系统访问工具（限于应用目录）。
• 通过Nmap进行网络扫描工具：
  • ping_host [引用：14]
  • scan_network（前100个端口） [引用：16]
  • all_scan_network（-A综合扫描） [引用：18]
  • all_ports_scan_network（所有65535个端口） [引用：20]
  • smb_share_enum_scan（SMB共享枚举） [引用：22]
• 使用Gradio的基于Web的UI [引用：11, 12]。
• 使用Docker的容器化Nmap工具服务器。

架构

1. Gradio UI (app.txt)：处理用户输入并显示对话历史。
2. 主应用 (app.txt)：
   • 初始化Gradio界面。
   • 管理对话状态。
   • 设置和管理MCP服务器。
   • 实例化并运行OpenAI代理。
3. OpenAI代理 (agents库)：处理用户消息，在需要时调用工具，并生成响应[引用：1, 3]。
4. MCP服务器：
   • 文件系统服务器：通过npx运行以提供本地文件访问[引用：1]。
   • Nmap工具包服务器 (nmap-server.txt在Docker中)：在Docker容器内运行，通过MCP暴露Nmap扫描功能作为工具[引用：2, 14]。app.txt使用docker run为每个请求启动此服务器。

预备条件

• Python：3.9+
• Docker：安装并运行最新版本。
• Node.js/npm：用于npx运行文件系统MCP服务器。
• OpenAI API密钥：设置为环境变量OPENAI_API_KEY。

安装与配置

1. 克隆仓库：

   git clone <你的仓库URL>
   cd <你的仓库目录>
   

2. 设置OpenAI API密钥： 将您的API密钥导出为环境变量。将your_api_key_here替换为您实际的密钥。

   • Linux/macOS：

     export OPENAI_API_KEY='your_api_key_here'
     

   • Windows（命令提示符）：

     set OPENAI_API_KEY=your_api_key_here
     

   • Windows（PowerShell）：

     $env:OPENAI_API_KEY='your_api_key_here'
     

3. 构建Nmap Docker镜像： 导航到包含nmap-server.py和Dockerfile的目录，然后运行：

   docker build -t nmap-mcp-server .
   

   (确保Dockerfile内容正确，特别是如果MCP包名不是modelcontextprotocol)

4. 安装Python依赖项： 建议使用虚拟环境。

   python -m venv venv
   # 激活虚拟环境
   # Linux/macOS：
   source venv/bin/activate
   # Windows：
   .\venv\Scripts\activate
   # 安装需求
   pip install -r requirements.txt
   

运行应用程序

确保已设置OpenAI API密钥，Docker正在运行，并且您处于项目的根目录中，同时激活了虚拟环境。

python app.py

一个带有几个Nmap扫描工具的示例MCP服务器。