BloodHound MCP
BloodHound MCP(模型上下文协议)是 BloodHound 工具的创新扩展,旨在使大型语言模型 (LLM) 能够通过自然语言查询与 Active Directory (AD) 和 Azure Active Directory (AAD) 环境进行交互并进行分析。BloodHound MCP 利用 LLM 的强大功能,允许用户使用简单的对话命令执行复杂的查询并从其 AD/AAD 环境中检索洞察。
特征
- 自然语言查询:使用对话语言查询您的 AD/AAD 环境,而无需手动编写 Cypher 查询。
- LLM 支持的分析:利用大型语言模型的功能来代表您解释和执行查询。
- 无缝集成:与 Neo4j 中存储的现有 BloodHound 数据协同工作,为复杂分析提供用户友好的界面。
- 可定制:轻松配置系统以适应您的特定环境和工具。
配置 MCP 服务器
{
"mcpServers": {
"BloodHound": {
"name": "BloodHound",
"isActive": true,
"command": "uv",
"args": [
"run",
"--with",
"mcp[cli],neo4j",
"mcp",
"run",
"<PATH_TO_THE_PROJECT>server.py"
],
"env": {
"BLOODHOUND_URI": "bolt://localhost:7687",
"BLOODHOUND_USERNAME": "neo4j",
"BLOODHOUND_PASSWORD": "bloodhound"
}
}
}
}
用法



配置
要自定义 BloodHound MCP,请在 MCP 支持的工具中更新配置文件。主要设置包括:
- Neo4j 数据库连接:
BLOODHOUND_URI
:Neo4j 数据库的 URI(例如,bolt://localhost:7687)。BLOODHOUND_USERNAME
:您的 Neo4j 用户名。BLOODHOUND_PASSWORD
:您的 Neo4j 密码。
- 服务器设置:调整命令和参数以匹配您的环境和工具要求。
贡献
欢迎为 BloodHound MCP 做出贡献!参与方式:
- 分叉存储库:在 GitHub 上创建您自己的副本。
- 创建分支:在新分支中处理您的功能或修复。
- 提交拉取请求:包括对更改的清晰描述。
特别感谢
自定义查询来自: https://github.com/CompassSecurity/BloodHoundQueries