MCP Server For Garak LLM Vulnerability Scanner

Garak 大模型漏洞扫描器 MCP 服务

一个轻量级的 Garak MCP（模型上下文协议）服务。

示例：

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

---

提供的工具

概览

名称	描述
list_model_types	列出所有可用的模型类型（ollama、openai、huggingface、ggml）
list_models	列出指定模型类型的所有可用模型
list_garak_probes	列出所有可用的 Garak 攻击/探测器
get_report	获取上一次运行的报告
run_attack	使用指定模型和探测器运行攻击

详细说明

• list_model_types

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

• list_models

  • 列出指定模型类型的所有可用模型
  • 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
  • 返回可运行的探测器/攻击列表

• get_report

  • 获取上一次运行的报告
  • 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

---

前提条件

1. Python 3.11 或更高版本：本项目需要 Python 3.11 或更高版本。

   # Check your Python version
   python --version
   

2. 安装 uv：一个快速的 Python 包安装器和解析器。

   pip install uv
   

   或使用 Homebrew：

   brew install uv
   

3. 可选：Ollama：如果要对 ollama 模型运行攻击，请确保 ollama 服务正在运行。

ollama serve

---

安装

1. 克隆此仓库：

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

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

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

---

已测试：

• Cursor
• Claude Desktop

---

运行漏洞扫描

你可以使用随附的 CLI 工具直接运行 Garak 漏洞扫描。

扫描前提条件

1. Ollama 必须正在运行：

   ollama serve
   

2. 拉取要扫描的模型：

   ollama pull llama2
   

使用 CLI 扫描器

安装后，你可以使用 garak-scan 命令：

# List available Ollama models
uv run garak-scan --list-models

# Scan a specific model with all probes
uv run garak-scan --model llama2

# Scan with specific probes
uv run garak-scan --model llama2 --probes encoding

# Scan with custom output directory
uv run garak-scan --model llama2 --output-dir ./my_scans

# Run multiple parallel attempts
uv run garak-scan --model llama2 --parallel-attempts 4

扫描结果

扫描结果以 JSONL 文件的形式保存在 output/ 目录（或你指定的目录）中。每次扫描都会生成带时间戳的报告文件：

output/scan_llama2_20250125_143022.report.jsonl

GitHub Actions 集成

此仓库包含一个 GitHub Actions 工作流，可自动运行漏洞扫描：

• 触发条件：推送到 main/master、拉取请求、每周计划任务（UTC 时间每周一凌晨 2 点）
• 手动运行：前往 Actions → Garak 大模型漏洞扫描 → Run workflow
• 自定义选项：手动运行时指定模型和探测器
• 结果：扫描结果将作为工作流构件上传

启用自动扫描：

1. 确保工作流文件位于 .github/workflows/garak-scan.yml
2. 推送到你的仓库
3. 查看 Actions 选项卡中的扫描结果

---

后续计划

• 添加对 Smithery AI 的支持：Docker 和配置
• 改进报告
• 测试并验证 OpenAI 模型（GPT-3.5、GPT-4）
• 测试并验证 HuggingFace 模型
• 测试并验证本地 GGML 模型