Cyber RAG MCP
Imports and indexes OWASP Markdown cheat sheets, enabling search and retrieval of OWASP security guidance as part of the cybersecurity knowledge base.
This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
Cyber RAG MCP — evidências locais e pesquisa sob demanda
Servidor MCP local para consultar evidências de cibersegurança. A IA recebe trechos e fontes verificáveis; o aplicativo cliente produz a resposta. Versão 0.1.0a1, em desenvolvimento.
O servidor combina o snapshot local já preparado, caches de fontes obtidas por URLs cadastradas e uma memória separada de notas derivadas. A configuração desta entrega reúne 38 fontes, descritas no catálogo de cobertura e restrições; cadastro não comprova disponibilidade ou coleta completa. knowledge_search consulta somente o snapshot; use knowledge_research para pesquisar nas três camadas. Veja o fluxo, as garantias e os limites.
O ambiente, o piloto e o modelo são preparados localmente com os comandos abaixo. Veja a entrega e os resultados e o guia para conectar e validar no Codex. Na máquina de desenvolvimento original, .venv/, data/ e os blocos em data/client-config/ já estão preparados; essas pastas não acompanham o clone do repositório.
Validação desta expansão: 681 testes passaram e 37 fontes retornaram evidências pelo MCP. O MalAPI está cadastrado, mas seu endereço oficial ficou indisponível. Os testes exercitam amostras, consultas conjuntas e memória; não afirmam ingestão completa nem homologação das respostas dos clientes. Consulte o relatório com limites e resultados.
O projeto roda no computador de quem instala. A compatibilidade pretendida nesta etapa é Codex, para modelos GPT, e Claude Desktop/Claude Code, por MCP stdio. Não há autenticação da marca do modelo: qualquer cliente que execute o programa com acesso local pode falar MCP. O ChatGPT na web não acessa diretamente este processo stdio.
O que já existe
Dez ferramentas MCP: cinco consultas ao snapshot, catálogo de fontes, pesquisa conjunta, leitura do cache e gravação/exclusão explícitas de notas.
Importação de ATT&CK STIX 2.1, OWASP Markdown, Sigma YAML, CVE JSON 5 e KEV. NVD 2.0 pode ser importado de arquivos locais.
Piloto oficial com commits fixados: duas técnicas ATT&CK, cinco cheat sheets, uma regra Sigma, CVE-2021-44228 e catálogo KEV completo no commit selecionado. É uma seleção inicial, não a cobertura completa planejada.
SQLite com busca exata e BM25. Perfil semântico opcional: E5 multilingual local e Qdrant local, fusão RRF. Sem reranker nesta versão.
Snapshots imutáveis, troca atômica do índice ativo, citações e originais com SHA-256. Arquivos grandes são paginados em base64 sem alterar BOM ou finais de linha.
Um núcleo local compartilhado entre clientes, com comunicação autenticada em loopback. A pesquisa consulta fontes públicas cadastradas e persiste evidências; o MCP não expõe shell, scanner nem administração dos snapshots.
Catálogo de fontes com assuntos, URLs, formatos, exemplos e política de validade. A descoberta usa caminhos de repositórios, arquivos agregados ou identificadores exatos de APIs, conforme a fonte. O cache incremental preserva bytes e SHA-256 e usa busca lexical; o snapshot semântico existente permanece separado.
Memória local com referências obrigatórias, prazo de validade e invalidação quando a evidência muda. Notas são sempre
derived_unverified; não treinam o modelo nem capturam automaticamente a conversa.Extração de texto de PDFs selecionados com
pypdf6.21.2 em processo separado com limites de recursos. Não faz OCR nem executa conteúdo ativo; preserva o PDF original e identifica o texto como representação derivada.
Related MCP server: evidence-rag
Preparar o ambiente
Requer Python 3.11–3.13 e uv. Os exemplos seguintes usam PowerShell na pasta do projeto.
uv sync --locked --no-install-project
# Executar diretamente o código local; nenhuma instalação global.
$env:PYTHONPATH = (Join-Path (Get-Location) 'src')
.\.venv\Scripts\python.exe -m cyber_rag doctor --data-dir .\dataA instalação bloqueia builds de dependências a partir de código-fonte. O lockfile fixa versões; o extra semântico é instalado apenas quando solicitado. O ambiente local criado durante o desenvolvimento fica em .venv e não deve ir ao GitHub.
Alternativa com pip, para o perfil básico: python -m pip install --require-hashes --only-binary=:all: -r requirements.lock, dentro de um ambiente virtual. requirements-dev.lock inclui os testes; requirements-semantic.lock inclui os embeddings. Esses arquivos são exportados do uv.lock e devem ser regenerados juntos ao atualizar dependências.
Criar a base com fontes reais
.\.venv\Scripts\python.exe -m cyber_rag sync-pilot --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag status --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag search 'PowerShell' --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag search 'SQL injection' --source owasp --data-dir .\datasync-pilot acessa a rede para baixar a seleção do piloto. O manifesto registra hashes, commits, licenças e o escopo. Erros de parsing ou quarentena impedem publicar a nova geração. As cinco consultas ao snapshot funcionam sem rede. Executar novamente o comando cria outra geração; não há agendamento automático. Esse comando não importa automaticamente todas as fontes do catálogo remoto. knowledge_research pode coletar evidências em caches separados, sem reconstruir essa geração.
Também é possível importar um manifesto local:
.\.venv\Scripts\python.exe -m cyber_rag import .\caminho\manifest.json --data-dir .\dataO manifesto representa toda a seleção da próxima geração. Não faz merge implícito com a anterior. Os diretórios de fonte devem estar dentro da pasta do manifesto. Use tests/fixtures/sources.json como referência estrutural, mas não misture dados sintéticos à base real.
Pesquisar nas fontes e na memória
.\.venv\Scripts\python.exe -m cyber_rag catalog --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag research 'armazenamento de senhas' --source owasp --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag research 'password storage' --source owasp --freshness refresh --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag research 'T1059.001' --source attack --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag research 'powershell' --source sigma --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag research 'CVE-2021-44228' --source cve --source kev --source nvd --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag research 'CWE-79' --source cwe --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag research 'Control 1 inventory' --source cis-controls --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag research 'ISO 27001' --source iso27001 --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag research 'password storage' --source owasp --freshness offline --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag research 'powershell' --freshness offline --data-dir .\dataauto respeita a validade de cada fonte: atualmente uma hora para CVE/NVD/KEV e 24 horas para a maioria das demais; confira freshness_seconds no catálogo. refresh solicita nova verificação e respeita bloqueios temporários após falhas; offline não faz requisições externas. Sem filtro, o modo offline consulta os caches existentes. A pesquisa mantém layers.snapshot, layers.source_cache e layers.memory separados, com datas e falhas próprias. Estado current não comprova correção factual nem acesso à origem nesta chamada.
Use catalog ou knowledge_catalog para obter os IDs disponíveis, exemplos e restrições de cada fonte. A descoberta por nomes não lê antecipadamente todos os documentos. GitHub/GitLab usam revisões fixadas; fontes HTTP preservam uma versão local por hash, embora a URL de origem possa mudar. CVE/NVD, CWE e eventos Windows exigem os identificadores indicados no catálogo. A pergunta completa não é enviada como busca aos repositórios; requisições por identificador revelam à API o ID consultado. --path exige uma única fonte explícita e um caminho permitido, como --source owasp --path cheatsheets/Password_Storage_Cheat_Sheet.md. Não são aceitas URLs livres.
Cada chamada online aceita até três fontes; chamadas offline aceitam até 64 filtros de fontes. Há orçamento compartilhado de 90 segundos e de 24.000 caracteres de evidências. Para investigar muitas fontes, faça chamadas menores e confira os estados de cada uma em layers.source_cache.sources.
Alguns escopos exigem atenção: vx-papers permite somente 15 artigos selecionados, sendo 14 PDFs e um TXT; não consulta todo o corpus VX-Underground. Na descoberta verificada em 21/10/2026, unprotect apresentou 376 descrições do repositório oficial de contribuições e capa, 1.055 regras, incluindo as experimentais em nursery/. Esses números são caminhos catalogados, não documentos já coletados. O conector malapi está configurado, mas a origem apresentou falha de DNS nessa verificação e retornou zero evidências; não houve substituição silenciosa por outra fonte. Consulte o escopo e as restrições.
Em governança, o catálogo inclui NIST CSF 2.0 e SP 800-53 Rev. 5 em OSCAL, páginas da especificação de avaliação CIS Controls v8, LGPD atualizada na Câmara e duas publicações oficiais do GDPR no Cellar. A fonte iso27001 oferece somente metadados abertos de edições e suplementos, sem texto normativo. As publicações GDPR são fixas, de 2016 e com corrigendum de 2018; reverificar seus bytes não descobre alterações legais posteriores. Edições, termos e URLs estão em Fontes.
Para atualizar uma instalação existente, reinicie o núcleo e recarregue a conexão MCP no cliente para descobrir as dez ferramentas. Não é necessário reimportar o piloto nem baixar novamente o modelo. Um núcleo antigo retorna CORE_UPGRADE_REQUIRED nas novas operações; siga o guia de atualização e validação.
Se a configuração de um adaptador mudar, evidências antigas podem ficar unknown até nova coleta/verificação. O recarregamento da mesma revisão preserva os bytes originais e atualiza a representação pesquisável; não apague o cache para resolver esse estado. Uma observação antiga do cache não invalida um snapshot verificado mais recentemente apenas por ter outra revisão.
Ativar busca semântica
uv sync --locked --extra semantic --no-install-project
$env:PYTHONPATH = (Join-Path (Get-Location) 'src')
.\.venv\Scripts\python.exe -m cyber_rag models prepare --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag sync-pilot --profile semantic --data-dir .\datamodels prepare baixa intfloat/multilingual-e5-small e fixa a revisão. O modelo usa CPU e 384 dimensões. A consulta carrega somente pesos locais, sem código remoto. É necessário reindexar ao mudar de perfil. O perfil lexical continua útil para IDs, termos técnicos e regras; não é anunciado como busca semântica. Há uma pequena tabela explícita de termos português→inglês, não tradução completa.
A inferência utiliza até quatro threads de CPU. A primeira importação das bibliotecas pode ser lenta no Windows; o estado da geração anterior permanece válido durante a preparação. Datas upstream que contêm somente o dia são comparadas a partir de 00:00 UTC; timestamps upstream sem fuso são interpretados como UTC, preservando o valor original nos metadados.
O núcleo admite até 120 segundos de espera de resposta para acomodar a primeira carga do modelo; a configuração gerada para Codex usa 150 segundos por ferramenta. Clientes com um prazo próprio mais curto podem exigir ajuste. Depois de carregado, o modelo é reutilizado pelo núcleo. Isso não é uma promessa de latência para qualquer máquina.
Conectar os clientes
O comando abaixo imprime um bloco de configuração; não edita os aplicativos:
.\.venv\Scripts\python.exe -m cyber_rag config --client codex --data-dir .\data
.\.venv\Scripts\python.exe -m cyber_rag config --client claude --data-dir .\dataCopie o bloco para a configuração MCP do cliente correspondente. A configuração usa caminhos absolutos para o Python e a base. No desenvolvimento, inclui PYTHONPATH apontando para src; mantenha a pasta do projeto no mesmo lugar. Para Claude Code, use os mesmos command, args e env em sua configuração MCP.
O cliente inicia python -m cyber_rag serve. Esse adaptador inicia ou reutiliza o núcleo local. Dois clientes com o mesmo --data-dir compartilham esse núcleo. No modo automático, ele encerra após quinze minutos sem consultas e reinicia na próxima chamada. Credenciais ficam em data/runtime com permissões privadas; não são impressas.
Para usar Codex e Claude simultaneamente no Windows, inicie primeiro o núcleo em uma janela de PowerShell independente dos aplicativos de IA, na pasta do projeto:
$env:PYTHONPATH = (Join-Path (Get-Location) 'src')
.\.venv\Scripts\python.exe -m cyber_rag core --data-dir .\data --keep-alive --warmupEspere a mensagem [cyber-rag] Pronto, mantenha essa janela aberta e depois conecte os clientes com os blocos gerados acima. --warmup carrega o modelo, abre o índice e executa uma consulta de preparação antes de disponibilizar o núcleo. Essa preparação pode demorar mais que o prazo de uma ferramenta MCP; acontece antes de aceitar consultas. Ctrl+C encerra o núcleo. --keep-alive desativa a saída por inatividade. Se outro núcleo já estiver ativo nessa base, o comando recusa iniciar uma segunda instância; encerre o núcleo manual na janela que o iniciou ou aguarde a saída por inatividade do núcleo automático.
knowledge_status descreve a base em disco; o perfil semantic não comprova que o modelo já está carregado na memória. No modo automático, a primeira busca ainda faz essa carga. Para validar a busca sem esperar pela carga dentro de uma chamada MCP, use o modo manual com --warmup.
Alguns clientes Windows colocam processos descendentes em um Job Object que encerra toda a árvore ao fechar o aplicativo. Por isso, a independência do núcleo iniciado automaticamente em relação ao cliente não está garantida nesta alfa. O núcleo manual fica fora dessa árvore. Se o núcleo reiniciar, cursores em memória expiram e a primeira consulta recarrega o modelo.
Guias oficiais: Codex MCP, Claude Desktop local MCP, Claude Code MCP.
Contrato das ferramentas
Ferramenta | Uso |
| Busca somente no snapshot: texto, filtros, limite, cursor e snapshot opcional; devolve passagens com fontes. |
| ID exato, como |
| ID retornado pela base; original ou seção, partes em base64 e hashes. |
| Relações de um salto documentadas nas fontes, com evidência. |
| Escopo, datas, perfil, contagens e última ingestão do snapshot; capacidades remotas são informadas separadamente. |
| Fontes cadastradas, capacidades, caminhos conhecidos, estado de cada cache e contagens da memória. Sem consulta remota. |
| Pesquisa conjunta por |
| Bytes de uma versão do cache, por ID, |
| Grava nota derivada de até 4.000 caracteres, com 1 a 8 referências verificáveis e validade de 1 a 90 dias, padrão 30. |
| Exclui uma nota pelo |
As cinco primeiras ferramentas mantêm o contrato original somente leitura. Pesquisa e memória têm permissões próprias: research pode acessar origens externas aprovadas e escrever cache; remember escreve notas; forget exclui somente a nota indicada. Não trate as dez operações como globalmente somente leitura.
Use os campos evidence_reference retornados pela pesquisa para criar notas; não invente IDs, hashes ou URLs. A memória revalida as referências antes de responder, omite notas sem evidência atual e não conta como confirmação independente. Clientes que usam o mesmo diretório de dados compartilham a memória. Use somente notas reutilizáveis sem dados pessoais ou segredos.
Filtros da busca no snapshot: source_ids, content_types, domains, platforms, product, entity_ids, lifecycle_status, published_from, published_to, kev_presence, cvss. Datas exigem ISO 8601 com fuso; início inclusivo e final exclusivo. O CVSS exige versão, provedor, operador (eq, gte, lte, gt, lt) e valor. Campos diferentes combinam com AND; listas combinam com OR. product é correspondência nominal exata, não avaliação de versões afetadas. Esses filtros não são todos parâmetros de knowledge_research.
Os IDs das fontes disponíveis vêm de knowledge_catalog; exemplos são attack, owasp, sigma, cve, kev, nvd e cwe. Uma fonte cadastrada pode ainda não ter documentos no cache nem no snapshot. IDs de documento vêm das respostas. Reutilize snapshot_id ao abrir uma citação do snapshot. Continue a paginação dessas consultas repetindo os mesmos argumentos e adicionando cursor; cursores expiram em quinze minutos ou ao reiniciar o núcleo.
O orçamento do contrato original de consultas ao snapshot é de 24.000 caracteres de conteúdo recuperado por resposta. Trechos de busca são explicitamente excertos. O original completo é recuperado por knowledge_get_document; junte as partes decodificadas e confira original_hash. Objetos extraídos de STIX/KEV também apontam para o documento do arquivo original, preservado integralmente. A pesquisa conjunta compartilha seu próprio teto de 24.000 caracteres entre as três camadas e não oferece cursor; as versões do cache usam knowledge_get_cached_document, com revision fixa e next_offset até last_part.
A busca ignora trechos Markdown que contêm apenas títulos e aproveita até quatro trechos com conteúdo por documento, mantendo o teto de 3.600 caracteres por documento e de 1.800 por trecho. Quando o primeiro trecho e a seção seguinte cabem juntos em 1.800 caracteres, a seção seguinte acompanha o resultado como adjacent_context, com citação própria. Isso também funciona nos snapshots já existentes; o documento original e seus identificadores de seção continuam preservados.
knowledge_get_document também devolve text, uma visualização UTF-8 legível da parte quando possível, para a IA ler sem precisar decodificar base64. A representação exata continua em content; os limites incluem as duas representações. complete indica que aquela resposta contém o documento inteiro; last_part indica apenas o fim da paginação.
Validar
.\.venv\Scripts\python.exe -m pytest -q
.\.venv\Scripts\python.exe -m cyber_rag import .\tests\fixtures\sources.json --data-dir .\data\smoke
.\.venv\Scripts\python.exe -m cyber_rag evaluate --data-dir .\data\smoke --benchmark .\tests\fixtures\smoke.jsonOs dez checks sintéticos conferem contratos, relações e fidelidade dos bytes. As trinta perguntas em evaluations/questions.json definem o benchmark de respostas dos clientes. evaluations/retrieval.json acrescenta pré-requisitos de recuperação executáveis para 24 delas e registra seis pendências de cliente/ambiente isolado. Isso não representa trinta respostas aprovadas por GPT ou Claude. Veja avaliação e especificação.
evaluations/pilot.json contém onze verificações sobre as revisões reais registradas em fontes e atribuição. O runner verifica as revisões antes de executar. Para essa base: python -m cyber_rag evaluate --data-dir .\data --benchmark .\evaluations\pilot.json. O comando compartilha o núcleo MCP; não abre uma segunda instância de Qdrant sobre o mesmo snapshot.
Para os pré-requisitos das 30 perguntas: python -m cyber_rag evaluate --data-dir .\data --benchmark .\evaluations\retrieval.json. Use --split development ou --split acceptance para avaliar cada conjunto. O relatório mantém respostas dos clientes como not_evaluated e distingue casos aprovados, falhos e pendentes.
Limites desta versão
O piloto é menor que a seleção final prevista. Não baixa todos os CVEs, todas as regras Sigma nem todo o ATT&CK para indexação.
Não há interface gráfica, telemetria de máquinas, execução de ferramentas ofensivas ou diagnóstico de comprometimento.
Não existe LLM dentro do servidor. O cliente pode enviar à OpenAI ou Anthropic os trechos recebidos; armazenamento local não torna a conversa inteiramente offline.
O cliente controla suas políticas e permissões. Conteúdo recuperado não deve ser tratado como instrução; isso reduz o risco de prompt injection, sem garantir eliminá-lo.
Qdrant local e inferência são serializados. Cancelar no cliente não interrompe à força uma inferência em andamento. O próximo pedido pode receber
BUSY.A coleta remota usa trava própria e não ocupa a fila do snapshot enquanto espera a rede. Outra pesquisa ou operação de memória pode receber
BUSY; a etapa local da pesquisa ainda compartilha o índice semântico.A descoberta por nomes pode não encontrar uma recomendação escondida no corpo de um arquivo ainda não coletado. O catálogo de caminhos não significa que todo o repositório foi indexado; APIs por ID não oferecem busca geral do acervo.
PDFs têm limite de 16 MiB, 100 páginas e 2 MiB de texto derivado. A extração pode perder ordem de leitura, tabelas e conteúdo de imagens; não faz OCR. O processo tem teto de 512 MiB e até dez segundos, mas não oferece sandbox de segurança nem isolamento do sistema de arquivos. Veja os controles do parser.
Cada novo cache limita versões, bytes originais e tamanho físico do SQLite. O teto global de 4 GiB é conferido antes de cada fonte: uma operação pode ultrapassá-lo antes de as seguintes passarem ao modo local. Não há remoção automática de versões do cache; veja os limites por armazenamento.
A memória tem até 1.000 notas e 8 MiB de texto, com expiração e exclusão. Referência válida comprova procedência, não que a conclusão escrita pela IA esteja correta.
A busca retorna um conjunto limitado de candidatos, não uma exportação exaustiva do corpus. Dados antigos e conflitos permanecem identificados por fonte e data.
Snapshots antigos são mantidos; ainda não há coleta automática de lixo. O disco cresce a cada atualização.
Homologação nas interfaces reais de Codex/Claude e avaliação ampla de qualidade são etapas seguintes.
O histórico da primeira extensão OWASP registra uma suíte de 216 testes, verificações focadas e consulta real via SDK MCP, além de 24 pré-requisitos de recuperação aprovados e seis pendências. Esses números não são a contagem de testes da expansão multifontes nem aprovam as 30 respostas dos clientes. Veja resultados e escopo.
Publicação e conteúdo de terceiros
O código é distribuído sob a licença MIT, preservada do commit inicial do repositório. data/, .local-data/, .venv/, credenciais, pesos e as imagens de referência em IMG/ ficam fora do Git. Os arquivos de conhecimento são baixados da origem por cada usuário. Licenças e avisos das fontes são preservados no manifesto e nos documentos originais; a licença do código não substitui as licenças do acervo.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Authenticated public evidence search, verification, research jobs, exports, and webhooks.
Search and read Cyber Library, a free structured cybersecurity knowledge base. Read-only, no auth.
Query Klaaro datasets, documents, and extracted records from any agent.
Query your OpsLevel internal developer portal: catalog, maturity data, and tech docs.
Related MCP Servers
- AlicenseBqualityDmaintenanceEnables read-only search over a curated, provenance-preserving corpus of EVM smart-contract security knowledge, providing tools for retrieving audit findings, document context, and source information.5MIT
- AlicenseNot gradedqualityCmaintenanceEnables local read-only search and retrieval of approved, current evidence via hybrid lexical and dense methods, with tools to get exact source spans, answer from cited passages, and create and verify recheckable evidence packets.MIT
- AlicenseNot gradedqualityBmaintenanceEnables Agents to retrieve structured evidence with spans, versions, and content hashes from a self-hosted knowledge base, and optionally delegate single-shot questions. Exposes read-only search, evidence lookup, and answer tools over Streamable HTTP with Bearer authentication.MIT
- FlicenseNot gradedqualityBmaintenanceProvides a local, evidence-first knowledge base over source snapshots and summaries stored in SQLite, with bounded search and exact readback while preserving provenance.-