Velociraptor MCP-Server

Erstellt von: mgreen27/mcp-velociraptor
Erweitert von: Snoe Findley

Der Velociraptor Model Context Protocol (MCP) Server ist eine Integrationsschnittstelle für die digitale Forensik und Incident Response (DFIR). Er ermöglicht es LLM-Frameworks (wie Claude, Gemini, Open WebUI und n8n), programmatisch mit der Velociraptor-Endpunkt-Überwachungs-Engine zu kommunizieren.

Überblick

Dieser MCP-Server stellt KI-Agenten Standard-Velociraptor-Funktionen zur Verfügung, wodurch sie:

• Datei- und Speicher-Scans mittels YARA durchführen können.

• Sanierungsmaßnahmen ausführen können, einschließlich Netzwerkisolierung und Prozessbeendigung.

• Artefakt-Sammlungen unter Windows, macOS und Linux durchführen können (z. B. MFT-Parsing, Event-Log-Extraktion, USN-Journal-Analyse und Prozessspeicher-Inspektion).

Sicherheitshinweis: Der Server erzwingt Datenlimits und VQL-String-Bereinigungen, um Token-Überläufe zu mindern und VQL-Injection zu verhindern. Er stützt sich auf standardmäßige, integrierte Velociraptor-Artefakte, um die Endpunktstabilität zu gewährleisten, anstatt beliebige Befehlszeilenskripte auszuführen.

Related MCP server: Velociraptor MCP Server

1. Voraussetzungen

Ein laufender Velociraptor-Server und die entsprechende API-Konfigurationsdatei sind erforderlich. Zusätzlich:

• Für lokale (stdio) Bereitstellungen: Python 3.10+ muss installiert sein.

• Für Netzwerk-Bereitstellungen (SSE): Docker und Docker Compose müssen installiert sein.

1. Erstellen Sie einen dedizierten API-Benutzer auf Ihrem Velociraptor-Server:

   velociraptor --config /etc/velociraptor/server.config.yaml config api_client --name mcp_agent --role administrator,api api_client.yaml

2. Kopieren Sie api_client.yaml in das Stammverzeichnis dieses Projekts.

3. Benennen Sie .env.example in .env um und mappen Sie die Konfigurations-Umgebungsvariable:

   VELOCIRAPTOR_API_CONFIG=api_client.yaml

2. Lokale Bereitstellung (stdio)

Die Bereitstellung über Standard-Ein-/Ausgabe (stdio) ist die empfohlene Konfiguration für lokale Desktop-Clients wie Claude Desktop, Claude Code oder die Gemini CLI.

Einrichtung

1. Stellen Sie sicher, dass Python 3.10+ installiert ist.

2. Initialisieren und aktivieren Sie eine virtuelle Umgebung:

   python -m venv .venv
   # Windows
   .venv\Scripts\activate 
   # Mac/Linux
   source .venv/bin/activate

3. Installieren Sie die Abhängigkeiten:

   pip install -r requirements.txt

Verbinden Ihres Clients

Fügen Sie die Verbindung in die Konfigurationsdatei Ihres MCP-Clients unter Verwendung des stdio-Transports hinzu. Verweisen Sie direkt auf die Python-Executable Ihrer virtuellen Umgebung:

{
  "mcpServers": {
    "velociraptor-dfir": {
      "command": "/path/to/repo/.venv/bin/python",
      "args": ["/path/to/repo/mcp_velociraptor_bridge.py"]
    }
  }
}

3. Netzwerk-Bereitstellung (Docker / SSE)

Für serverbasierte Plattformen wie Open WebUI oder n8n kann der MCP-Server über das lokale Netzwerk mittels Server-Sent Events (SSE) über die enthaltene Docker-Compose-Konfiguration bereitgestellt werden.

Einrichtung

Dieses Repository nutzt den FastMCP HTTP-Server, um einen SSE-REST-Endpunkt bereitzustellen.

1. Stellen Sie sicher, dass api_client.yaml und .env im Stammverzeichnis liegen.

2. Bauen Sie den Docker-Container und starten Sie ihn:

   docker compose up -d

3. Der Server ist über SSE unter http://<your-host-ip>:8088/sse erreichbar.

⚠️ Sicherheits- und Härtungsanforderungen

**[!CAUTION] Dieser MCP-Server arbeitet mit Administrator-Rechten innerhalb von Velociraptor. Er hat die Fähigkeit, Prozesse zu beenden, Dateien abzurufen und auf sensible Endpunktdaten im gesamten Deployment zuzugreifen.

Wenn Sie den Server über ein Netzwerk mittels Docker bereitstellen:

• Keine native Authentifizierung: Der integrierte SSE-Server bietet keine robusten HTTP-Authentifizierungsmechanismen.

• Expositionsreduzierung: Setzen Sie Port 8088 nicht dem öffentlichen Internet oder nicht vertrauenswürdigen Netzwerken aus.

• Netzwerk-Proxys: Sie müssen einen Reverse-Proxy (z. B. Nginx, Traefik) vor dem Container einsetzen, um Mutual TLS (mTLS), strikte IP-Allowlisting oder eine gleichwertige Authentifizierung auf Netzwerkebene zu erzwingen. Der Datenverkehr sollte explizit auf autorisierte LLM-Verbraucherknoten beschränkt werden.

Dokumentation

Für eine umfassende Liste der unterstützten forensischen Tools für macOS, Linux und Windows, Konfigurationsdetails und Architekturdiagramme lesen Sie bitte die Umfassende Dokumentation.