Forensics MCP Server
Самособирающийся криминалистический MCP-сервер (FastMCP / Python)
Модульный сервер Model Context Protocol (MCP) для цифровой криминалистики и реагирования на инциденты (DFIR), построенный на Python и FastMCP (mcp>=2.0.0).
Он динамически обнаруживает криминалистические утилиты хоста и контейнеров при запуске и автоматически собирает функциональные инструменты, ресурсы и подсказки для триажа для локальных LLM и AI-агентов (Ollama, Claude, Cursor, Antigravity и т.д.).
🌟 Возможности
🔍 Динамическое обнаружение возможностей: Проверяет пути окружения хоста, установленные бинарные файлы (
exiftool,strings,volatility3,binwalk,tshark,objdump,gdb,yara) и среды выполнения Docker. Отсутствующие инструменты корректно сообщаются без сбоев.🧩 Самособирающиеся примитивы инструментов: Автоматически регистрирует только те инструменты, которые доступны в окружении хоста.
🛡️ Готовность к автономной работе без сети: Встроенная офлайн-база данных угроз с известными сигнатурами образцов (EICAR, WannaCry, Mimikatz) для безопасного реагирования на инциденты без утечки данных.
📋 Цепочка хранения, устойчивая к взлому: Каждое выполнение инструмента, проверенный артефакт, SHA-256 контрольная сумма и параметр действия криптографически хэшируются и записываются в журнал только для добавления (
evidence/chain_of_custody.jsonl).🩺 Самодиагностика здоровья и ресурсов: Матрица возможностей в реальном времени (
forensics://capabilities), журналы хранения (forensics://custody) и состояние системы (forensics://health).⚡ Двойной транспорт: Поддерживает стандартный STDIO для родных MCP-клиентов (Cursor, Claude, Antigravity) и SSE/HTTP для веб-LLM-агентов (Ollama, Open WebUI).
Related MCP server: findevil-agent
🚀 Быстрый старт
1. Предварительные требования
Python 3.10+ (или uv)
2. Запуск сервера
Вариант A: Родной транспорт STDIO (для локальных агентов / Cursor / Claude)
cd /home/b47m4n/Projects/forensics-mcp-framework
uv run src/server.pyВариант B: Транспорт SSE / HTTP (для веб / удаленных LLM)
cd /home/b47m4n/Projects/forensics-mcp-framework
uv run src/server.py --transport sse --port 8000🔌 Подключение к локальным LLM и агентам
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. Локальная LLM через Ollama + MCP
Подключите свою локальную модель (например, llama3.1, qwen2.5-coder) через конечную точку SSE:
http://localhost:8000/sse
🛠️ Каталог обнаруженных инструментов
Инструмент | Категория | Динамическое условие | Описание |
| Метаданные и файлы | Всегда доступен | Вычисляет хэши (MD5/SHA256), теги EXIF и обнаруживает несоответствия MIME |
| Статический анализ | Всегда доступен | Извлекает печатные строки ASCII и Unicode |
| Обнаружение угроз | Всегда доступен | Сканирует на наличие C2-URL, IP-адресов, Base64-блобов, выполнения команд |
| Разведка угроз | Всегда доступен | Проверяет хэши по офлайн-сигнатурам и опциональным живым API |
| Диагностика | Всегда доступен | Статус здоровья, проверка хранилища и готовности инструментов |
| Криминалистика памяти |
| Volatility 3 |
| Криминалистика памяти |
| Volatility 3 |
| Криминалистика памяти |
| Volatility 3 |
| Криминалистика памяти |
| Volatility 3 |
| Криминалистика памяти |
| Volatility 3 |
| Извлечение файлов | Наличие | Сигнатуры прошивки и извлечение файловых систем |
| Сетевая криминалистика | Наличие | Анализ захваченных сетевых пакетов PCAP |
| Обратная разработка | Наличие | Дизассемблирование машинных инструкций |
| Отладка | Наличие | Автоматизированная пакетная отладка |
| Сопоставление сигнатур | Наличие | Сканирует доказательства по правилам YARA |
📂 Архитектура проекта
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 workflowsAvailable Tools
5 toolscheck_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
Scored across 5 tools
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.
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.
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.
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
Related MCP Connectors
Discover, invoke, and verify ForceDream agents with cryptographic proofs. 14 local, 21 hosted tools.
34 security tools for AI agents: phishing links, exposure maps, DNS, SSL, PQC, history, pivots.
Persistent memory and knowledge management for AI agents with semantic search and 50+ tools.
Agent tools for discovery, payment safety, data extraction, and DeFi.
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceEnables 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.1MIT
- AlicenseNot gradedqualityBmaintenanceEnables 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
- AlicenseNot gradedqualityBmaintenanceEnables 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.2MIT
- AlicenseNot gradedqualityDmaintenanceEnables AI agents to analyze memory dumps for forensic investigation, leveraging a fast Rust engine and full Volatility3 plugin coverage via the Model Context Protocol.1MIT