infra-guard

一个 MCP 服务器，用于扫描 Terraform 和 Dockerfile 中的真实安全错误配置——开放的安全组、公开的 S3 存储桶、通配符 IAM 策略、硬编码的密钥、以 root 身份运行的容器——并返回结构化发现结果，而不是猜测。

它可以作为工具接入 Claude Code、Claude Desktop 或 Cursor。让你的 AI 助手审查你的基础设施代码，它会调用 infra-guard，从 Checkov 获得真实发现，并向你解释这些发现。

在浏览器中试用： infra-guard-frontend-production.up.railway.app —— 粘贴 Terraform，点击 Scan，即可看到真实发现。无需安装。

MCP 端点： https://infra-guard-production.up.railway.app/mcp

为什么会有这个项目

我之前在 A.P. Moller–Maersk 从事云基础设施工作——在真实规模上使用 Terraform、Docker 和 AWS 进行预置。大多数项目集项目都是普通的 Web 应用；而这个项目正是我希望存在的工具：把“我的 Terraform 是否有明显的安全漏洞”变成一个真实、结构化的答案，而不是 AI 助手的最佳猜测。

infra-guard 不会猜测。它用 Checkov 扫描你的文件，Checkov 是一个包含数百个内置检查的真实静态分析引擎，然后返回实际发现结果——检查 ID、标题、受影响资源、行范围、代码片段。承载会话的 LLM（Claude，或 MCP 连接另一端的任何模型）会用简单的英文解释这些发现。这个工具的职责只是保证正确。

Related MCP server: MCP Security Scanner

工作原理

scanner.py   → core engine: scan_terraform(...) / scan_dockerfile(...) -> structured dict
server.py    → wraps both as MCP tools, served over stdio or Streamable HTTP
api.py       → wraps both as a plain REST API (POST /api/scan, POST /api/scan-dockerfile)
frontend/    → React + Vite playground that calls api.py, with a Terraform/Dockerfile toggle

scanner.py 调用 Checkov CLI，解析其 JSON 输出，并无论由哪个框架调用都返回同样的结构：

{
  "summary": { "passed": 14, "failed": 34, "total_checks": 48 },
  "findings": [
    {
      "check_id": "CKV_AWS_24",
      "title": "Ensure no security groups allow ingress from 0.0.0.0:0 to port 22",
      "resource": "aws_security_group.app_sg",
      "start_line": 6,
      "end_line": 24,
      "code_snippet": "resource \"aws_security_group\" \"app_sg\" { ... }"
    }
  ]
}

server.py 暴露两个 MCP 工具：scan_terraform_file(file_content, filename) 和 scan_dockerfile_file(file_content, filename)，它自身没有解释层——结构化数据直接发送给托管该会话的 LLM。

insecure_example.tf 包含四个故意留下的 Terraform 问题（开放 SSH 入站、一个公开且加密的 S3 桶、一个通配符 IAM 策略、一个硬编码的 RDS 密码）——14 项通过 / 34 项失败。insecure_example.Dockerfile 包含五个问题（基础镜像未固定版本、使用 ADD 而不是 COPY、暴露 22 端口、没有 HEALTHCHECK、以 root 身份运行）——26 项通过 / 5 项失败。

在本地运行

需要 uv。

git clone https://github.com/SanjanaJanardhan/infra-guard.git
cd infra-guard
uv sync

直接运行扫描器：

uv run python3 scanner.py

通过 stdio 运行 MCP 服务器（适用于 Claude Code/Desktop 等本地客户端）：

uv run python3 server.py

通过 Streamable HTTP 运行（适用于远程客户端，或复现已部署的配置）：

uv run python3 server.py --transport streamable-http --port 8000

连接到 MCP 客户端

Claude Code / Claude Desktop —— 将其添加到 .mcp.json（项目级）或你的全局 MCP 配置中：

{
  "mcpServers": {
    "infra-guard": {
      "command": "uv",
      "args": ["--directory", "/absolute/path/to/infra-guard", "run", "python3", "server.py"]
    }
  }
}

任何 Streamable HTTP 客户端（包括上面的在线部署）—— 将其指向：

https://infra-guard-production.up.railway.app/mcp

在本地运行演示环境

# terminal 1 — API
uv run python3 api.py

# terminal 2 — frontend
cd frontend
npm install
npm run dev

前端从 VITE_API_URL 读取其 API 基础 URL（见 frontend/.env.local），默认值为 http://localhost:8001。

部署

三个服务都部署在 Railway 上，全部由 Docker/Nixpacks 构建，无需手动配置服务器：

• MCP 服务器 —— Dockerfile，Streamable HTTP

• REST API —— Dockerfile.api，使用同一个 scanner.py 核心，驱动演示环境

• 前端 —— Railway 的 Nixpacks 构建器自动检测 frontend/ 中的 Vite 应用；VITE_API_URL 在构建时设置为已部署 API 的 URL

两个 Python 服务都会从环境中读取 PORT，因此无需修改配置即可适配 Railway 分配的任何端口。

技术栈

Python · Checkov · MCP Python SDK · FastAPI · React · Vite · uv · Docker · Railway

路线图

• 核心 Terraform 扫描引擎

• 基于 stdio 的 MCP 服务器

• Streamable HTTP 传输

• 部署到 Railway

• 带实时演示环境的 Web 前端

• Dockerfile 扫描，包括演示环境中的 Terraform/Dockerfile 切换

• 检查结果成本影响估算

许可证

MIT