Skip to main content
Glama
Forensics MCP Server

Forensics MCP Server

Servidor MCP Forense de Autoensamblaje (FastMCP / Python)

Un servidor modular de Protocolo de Contexto de Modelo (MCP) para Informática Forense Digital y Respuesta a Incidentes (DFIR) construido con Python y FastMCP (mcp>=2.0.0).

Descubre dinámicamente utilidades forenses del host y contenedores al inicio y ensambla automáticamente herramientas funcionales, recursos y avisos de triaje para LLMs locales y agentes de IA (Ollama, Claude, Cursor, Antigravity, etc.).


🌟 Características

  • 🔍 Descubrimiento Dinámico de Capacidades: Explora rutas del entorno del host, binarios instalados (exiftool, strings, volatility3, binwalk, tshark, objdump, gdb, yara) y entornos de ejecución Docker. Las herramientas faltantes se reportan de forma elegante sin causar fallos.

  • 🧩 Primitivas de Herramientas Autoensamblables: Registra automáticamente solo las herramientas disponibles en el entorno del host.

  • 🛡️ Listo para Entornos Aislados y Sin Conexión: Base de datos de inteligencia de amenazas fuera de línea integrada con firmas de muestras conocidas (EICAR, WannaCry, Mimikatz) para una respuesta a incidentes segura y sin fugas de datos.

  • 📋 Cadena de Custodia a Prueba de Manipulaciones: Cada ejecución de herramienta, artefacto inspeccionado, suma de verificación SHA-256 y parámetro de acción se hashea criptográficamente y se registra en un libro de contabilidad de solo añadido (evidence/chain_of_custody.jsonl).

  • 🩺 Salud y Recursos de Autoinforme: Matriz de capacidades en tiempo real (forensics://capabilities), registros de custodia (forensics://custody) y salud del sistema (forensics://health).

  • ⚡ Doble Transporte: Soporta STDIO estándar para clientes MCP nativos (Cursor, Claude, Antigravity) y SSE/HTTP para agentes LLM web (Ollama, Open WebUI).


Related MCP server: findevil-agent

🚀 Inicio Rápido

1. Requisitos Previos

  • Python 3.10+ (o uv)

2. Ejecutar el Servidor

Opción A: Transporte STDIO Nativo (Para Agentes Locales / Cursor / Claude)

cd /home/b47m4n/Projects/forensics-mcp-framework
uv run src/server.py

Opción B: Transporte SSE / HTTP (Para LLMs Web / Remotos)

cd /home/b47m4n/Projects/forensics-mcp-framework
uv run src/server.py --transport sse --port 8000

🔌 Conexión a LLMs y Agentes Locales

1. Antigravity / Claude / Cursor (claude_desktop_config.json / mcp.json)

{
  "mcpServers": {
    "forensic-analyzer": {
      "command": "uv",
      "args": [
        "--directory",
        "/home/b47m4n/Projects/forensics-mcp-framework",
        "run",
        "src/server.py"
      ]
    }
  }
}

2. LLM Local mediante Ollama + MCP

Conecte su modelo local (por ejemplo, llama3.1, qwen2.5-coder) a través del endpoint SSE: http://localhost:8000/sse


🛠️ Catálogo de Herramientas Descubiertas

Herramienta

Categoría

Condición Dinámica

Descripción

extract_metadata

Metadatos y Archivos

Siempre Disponible

Calcula hashes (MD5/SHA256), etiquetas EXIF y detecta discrepancias MIME

extract_strings

Análisis Estático

Siempre Disponible

Extrae cadenas ASCII e Unicode imprimibles

scan_iocs

Detección de Amenazas

Siempre Disponible

Escanea URLs C2, direcciones IP, blobs Base64, ejecución de comandos

check_threat_intel

Inteligencia de Amenazas

Siempre Disponible

Verifica hashes contra firmas fuera de línea y APIs en vivo opcionales

system_health_check

Diagnósticos

Siempre Disponible

Estado de salud, verificación de almacenamiento y preparación de herramientas

windows_image_info

Forense de Memoria

vol o Docker

Volatility 3 windows.info

windows_pslist

Forense de Memoria

vol o Docker

Volatility 3 windows.pslist

windows_pstree

Forense de Memoria

vol o Docker

Volatility 3 windows.pstree

windows_netscan

Forense de Memoria

vol o Docker

Volatility 3 windows.netscan

windows_malfind

Forense de Memoria

vol o Docker

Volatility 3 windows.malfind (código inyectado)

binwalk_scan

Tallado de Archivos

binwalk presente

Escaneo de firmas de firmware y tallado de sistema de archivos

pcap_analyze

Forense de Red

tshark presente

Disecciona capturas de paquetes de red PCAP

binary_disassemble

Ingeniería Inversa

objdump presente

Desensambla instrucciones de máquina binarias

gdb_inspect

Depuración

gdb presente

Inspección automatizada de depuración por lotes

yara_scan

Coincidencia de Firmas

yara presente

Escanea evidencia contra archivos de reglas YARA


📂 Arquitectura del Proyecto

forensics-mcp-framework/
├── pyproject.toml
├── .env.example
├── README.md
├── evidence/                  # Evidence locker & chain of custody ledger
│   ├── suspect_photo.jpg
│   ├── eicar_test.com
│   └── chain_of_custody.jsonl
└── src/
    ├── server.py              # Master FastMCP bootstrap & dynamic assembler
    ├── core/
    │   ├── discovery.py       # Host & container capability scanner
    │   ├── custody.py         # Tamper-evident append-only chain of custody
    │   └── health.py          # System diagnostics & health reporter
    ├── tools/
    │   ├── metadata.py        # ExifTool & MIME mismatch detector
    │   ├── strings_ioc.py     # String & IOC scanner (IP, URL, Base64, shell)
    │   ├── threat_intel.py    # Offline/online threat intelligence
    │   ├── memory_vol.py      # Volatility 3 memory analysis engine
    │   └── dynamic_cli.py     # CLI wrappers (binwalk, tshark, objdump, gdb)
    ├── resources/
    │   └── system_resources.py# MCP Resources
    └── prompts/
        └── triage_prompts.py  # Structured DFIR workflows

Available Tools

5 tools
check_threat_intelB

Queries threat intelligence databases (with safe offline fixture fallback) for a file hash.

Inputs: file_hash (required), case_id. Returns: result

extract_metadataB

Extracts file metadata, computes cryptographic hashes (MD5, SHA-1, SHA-256, SHA-512), and detects MIME-type masquerading.

Inputs: file_path (required), case_id. Returns: result

extract_stringsC

Extracts printable ASCII & Unicode strings from an evidence artifact.

Inputs: file_path (required), case_id, min_length, max_results, +1 more. Returns: result

scan_iocsC

Scans an evidence artifact for Indicators of Compromise: IPs, C2 URLs, email addresses, suspicious commands, and Base64 payloads.

Inputs: file_path (required), case_id. Returns: result

system_health_checkA

Inspects real-time host forensic capability readiness, storage, and chain-of-custody status.

Inputs: no named parameters. Returns: result

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    A3.5/5.0

    Scored across 5 tools

    Disambiguation5/5

    Each tool targets a distinct forensic task: system readiness, metadata extraction, string extraction, IOC scanning, and threat intel lookup. There is no functional overlap, and the descriptions clearly delineate their purposes.

    Naming Consistency5/5

    All tool names follow a consistent verb_noun pattern (e.g., system_health_check, extract_metadata, scan_iocs), using snake_case throughout. The naming is predictable and aligns with forensic terminology.

    Tool Count5/5

    Five tools is appropriate for a forensic server covering host readiness, file analysis, and threat detection. Each tool serves a necessary function without redundancy or gaps in the core workflow.

    Completeness4/5

    The toolset covers essential forensic steps: health check, metadata extraction, string extraction, IOC scanning, and threat intel. A minor gap is the absence of a tool for parsing specific artifact types (e.g., registry hives or logs), but the set is sufficient for basic evidence triage.

    Maintenance

    ActivityInactive
    ResponsivenessNo recent community issues

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      Not graded
      quality
      D
      maintenance
      Enables AI agents to interface with Velociraptor for digital forensics and incident response tasks, including file/memory scans, remediation actions, and artifact collection across multiple operating systems.
      1
      MIT
    • A
      license
      Not graded
      quality
      B
      maintenance
      Enables autonomous digital forensics and incident response through 21 typed forensic tools covering disk, memory, registry, network, timeline, carving, and patterns, integrated with AI-driven reasoning and self-correction.
      MIT
    • A
      license
      Not graded
      quality
      B
      maintenance
      Enables autonomous digital forensics and incident response by wrapping SIFT Workstation tools as MCP tools and orchestrating a multi-agent AI pipeline for evidence analysis and remediation planning.
      2
      MIT
    • A
      license
      Not graded
      quality
      D
      maintenance
      Enables AI agents to analyze memory dumps for forensic investigation, leveraging a fast Rust engine and full Volatility3 plugin coverage via the Model Context Protocol.
      1
      MIT