PathScan MCP Server

使用方法

1. 为dirsearch安装依赖: 进入dirsearch目录, 执行安装依赖的命令(这里我图省事, 选择把依赖安装在了全局环境中)
   pip install -r .\requirements.txt
2. 在全局环境中再安装一个
   pip install setuptools
3. 安装uv管理器: 这是一个极快的 Python 包和项目管理器，用 Rust 编写
   powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
4. 为MCP服务安装依赖
   uv sync
5. 在本地部署firecrawl: 这是一个AI爬虫工具, 包含有数据清晰的功能,支持本地docker部署. 参考文章:
   • https://www.cnblogs.com/skystrive/p/18893148
   • https://docs.firecrawl.dev/contributing/guide

   故障排除: 在使用本地部署的firecrawl进行网页爬取的时候, 返回Unauthorized的解决方法: 修改.env配置文件中的字段-> USE_DB_AUTHENTICATION的值设为false

   可以直接使用我给的.env文件

   测试你的firecrawl正在运行: 打开网址: http://{firecrawl server IP}:3002/test

   如果出现了Hello, world!, 则说明服务正常运行了

6.编辑你的config.py文件 FIRECRAWL_HOST是你的firecrawl运行的HOST地址 GLOBAL_PYTHON_PATH是你的全局Python地址-> 获取全局Python地址: 在cmd中输入where python

7. 启动你的MCP服务
   uv run main.py
   出现如下日志说明你的服务启动成功了
8. 在cline中添加这个服务直接编辑配置文件:
   { "mcpServers": { "path scanner": { "url": "http://127.0.0.1:8000/sse", "disabled": false, "autoApprove": [], "timeout": 1800 } } }
   这样就说明你的MCP server可以被cline使用了

Prompt

你是一个网站安全助手。请调用已有的MCP服务对指定网站进行扫描，并返回结构化结果（表格形式）。 根据MCP扫描结果： 提取并总结网站所使用的技术栈； 根据扫描报告中的风险等级，分类整理网站的漏洞信息（高危/中危/低危）； 对于报告中标记为高危漏洞的相关URL，请进一步读取该URL的页面内容，并生成内容摘要； 最终请将数据汇总为以下结构输出： 技术栈 漏洞信息（按严重程度分类） 高危漏洞相关的URL及内容摘要 目标网站URL:

效果展示

TODO:

服务端尚未初始化完成就收到了客户端的请求, 解决办法: 在正式的使用服务之前init一下服务

参考:

此项目灵感来自于项目ai_dirscan