🚀 MCP 服务器用于 Garak LLM 漏洞扫描器

这是一个轻量级的 MCP（模型上下文协议）服务器，专为 Garak 打造，可助力进行 LLM 漏洞扫描。

示例链接： https://github.com/user-attachments/assets/f6095d26-2b79-4ef7-a889-fd6be27bbbda

🚀 快速开始

本 MCP 服务器可用于 Garak 进行 LLM 漏洞扫描，通过提供的一系列工具，能方便地列出模型类型、模型、攻击探测器，获取报告以及运行攻击等操作。

✨ 主要特性

• 提供多种工具，可列出可用的模型类型、模型、Garak 攻击/探测器，获取报告并运行攻击。
• 支持多种模型类型，如 ollama、openai、huggingface、ggml。
• 可在多个平台上进行测试，如 Cursor 和 Claude Desktop。

📦 安装指南

先决条件

1. Python 3.11 或更高版本：此项目要求 Python 3.11 或更晚版本。

   # 检查你的 Python 版本
   python --version
   

2. 安装 uv：一个快速的 Python 包安装程序和解析器。

   pip install uv
   

   或使用 Homebrew：

   brew install uv
   

3. 可选：Ollama：如果你希望运行 Ollama 模型的攻击，请确保 Ollama 服务器正在运行。

   ollama serve
   

安装步骤

1. 克隆此仓库：

   git clone https://github.com/BIGdeadLock/Garak-MCP.git
   

2. 配置你的 MCP 主机（如 Claude Desktop、Cursor 等）：

   {
     "mcpServers": {
       "garak-mcp": {
         "command": "uv",
         "args": ["--directory", "path-to/Garak-MCP", "run", "garak-server"],
         "env": {}
       }
     }
   }
   

📚 详细文档

提供的工具

概述

详细描述

• list_model_types

  • 列出所有可用于攻击的所有模型类型
  • 返回支持的模型类型的列表（ollama、openai、huggingface、ggml）

• list_models

  • 根据给定的模型类型列出所有可用模型
  • 输入参数：
    • model_type（字符串，必需）：要列出的模型类型（ollama、openai、huggingface、ggml）
  • 返回指定类型的可用模型列表

• list_garak_probes

  • 列出所有可用的 Garak 攻击/探测器
  • 返回所有可用的攻击/探测器列表

• get_report

  • 获取上次运行的报告
  • 返回报告文件的路径

• run_attack

  • 使用指定模型和探测器运行攻击
  • 输入参数：
    • model_type（字符串，必需）：要使用的模型类型
    • model_name（字符串，必需）：要使用的模型名称
    • probe_name（字符串，必需）：要使用的攻击/探测器名称
  • 返回发现的漏洞列表

🔧 技术细节

已测试的平台

• [X] Cursor
• [X] Claude Desktop

未来步骤

• [ ] 添加对 Smithery AI 的支持：Docker 和配置
• [ ] 改进报告功能
• [ ] 测试和验证 OpenAI 模型（GPT-3.5、GPT-4）
• [ ] 测试和验证 HuggingFace 模型
• [ ] 测试和验证本地 GGML 模型