mcpField
C
checkpoint-security-mcp-servers

checkpoint-security-mcp-servers

本地服务
github.com/ngardiner开发工具173 周前更新

关于 checkpoint-security-mcp-servers

面向 Check Point 安全产品的开源 MCP 服务集合,用于连接 AI Agent。目前的防火墙服务提供 API 连通性测试,更多管理与端点能力仍在规划中。

主要功能

  1. 01防火墙 API 连通性测试
  2. 02基于 Python 的服务
  3. 03支持 stdio、SSE 和 streamable HTTP 传输

适用场景

  1. 01测试 Check Point Management API 访问
  2. 02将 MCP 客户端连接到防火墙服务

MCP 相关

向 MCP 客户端提供 Check Point 安全产品能力。目前实现的防火墙工具可测试 Management API 连通性,更多工具和资源仍在规划中。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

checkpoint-security-mcp-servers

连接 AI 与 Check Point Security:通过 Anthropic MCP 服务,实现 AI Agent 集成,并为 Check Point 防火墙、终端等产品提供自主防御能力。


项目目标

本项目旨在构建和维护开源实现的 Anthropic Model Context Protocol(MCP)服务,专为 Check Point Software Technologies 的各类安全产品设计。通过标准化的 MCP 暴露 Check Point 的功能(如防火墙管理、终端操作、日志记录等),本项目致力于促进与 AI Agent 的无缝集成,并释放高级 AI 驱动的安全自动化和自主响应潜力。

这是一个独立的社区项目,与 Check Point Software Technologies 没有官方关联,也未获其认可。

什么是 Model Context Protocol(MCP)?

Model Context Protocol(MCP)是由 Anthropic 开发的一项开放标准,为 AI 应用(如大模型和 AI Agent)发现并与外部工具和数据源交互提供了一种标准化方式。它使 AI 能够了解自己可以执行哪些操作(工具)、可以访问哪些信息(资源),以及如何在已连接的系统中使用预定义的工作流(提示词)。

为什么选择 Check Point 和 MCP?

Check Point 是企业环境中广泛部署的安全厂商。通过 MCP 这类标准化协议,使 AI Agent 能够与 Check Point 平台交互,可满足复杂安全基础设施对增强自动化和自主响应的迫切需求。本项目旨在弥合这一差距,让 AI 更深入地融入以 Check Point 为核心的安全运营,并发挥更大作用。

仓库结构

/checkpoint-security-mcp-servers
├── .gitignore
├── LICENSE
├── README.md
├── requirements.txt
└── src/
└── firewall/          # MCP server for Check Point Firewall (Management API)
├── init.py
├── server.py      # Main server entry point
└── capabilities.py  # Defines Firewall-specific Tools, Resources, Prompts
└── harmony_endpoint/  # MCP server for Check Point Harmony Endpoint
├── init.py
├── server.py
└── capabilities.py
└── common/          # Optional: for shared code (e.g., API authentication helpers)
├── init.py
└── utils.py

入门

要设置并运行这些 MCP 服务,你需要 Python 3.8+ 和 Check Point 管理服务器(用于防火墙功能)。

  1. 克隆仓库:

    git clone [https://github.com/](https://github.com/)[Your-GitHub-Username]/checkpoint-security-mcp-servers.git
    cd checkpoint-security-mcp-servers
    
  2. 设置虚拟环境:

    python -m venv venv
    source venv/bin/activate  # On Windows use `venv\Scripts\activate`
    
  3. 安装依赖项:

    pip install -r requirements.txt
    
  4. 配置 Check Point API 访问:

    • 从 Check Point 管理服务器获取 API 密钥。
    • 记下管理器 URL(IP 地址或主机名及端口,例如 https://192.168.1.10:443)。**注意:**在家庭实验室中使用自签名证书进行初始测试时,可以在 httpx 调用中使用 verify=False(如示例所示);但对于任何生产环境或对外开放的环境,请确保正确配置证书验证。
  5. 运行 MCP 服务(例如,防火墙): 切换到仓库根目录并运行服务脚本。

    python src/firewall/server.py
    

    服务将启动,并等待 MCP 客户端通过标准输入/输出建立连接。

    默认情况下,服务使用标准输入/输出(stdio)进行通信。你也可以使用 --transport 参数指定其他传输机制:

    • **stdio(默认):**使用标准输入/输出。
      python src/firewall/server.py
      
    • **sse(Server-Sent Events):**运行一个 HTTP 服务,客户端可以连接该服务以接收 Server-Sent Events。
      python src/firewall/server.py --transport sse
      
      使用 sse 时,服务默认会监听 0.0.0.0:8000。
    • **streamable-http:**运行一个 HTTP 服务,客户端可以通过可流式传输的 HTTP 机制连接该服务。
      python src/firewall/server.py --transport streamable-http
      
      使用 streamable-http 时,服务默认会监听 0.0.0.0:8000。

    使用 sse 或 streamable-http 传输方式时,也可以通过可选的 --port 参数指定自定义端口。如果未提供,则默认为 8000。 示例:

    python src/firewall/server.py --transport streamable-http --port 9999
    
  6. 连接 MCP 客户端:

    • 使用兼容 MCP 的 AI 应用(例如 Anthropic 的 Claude Desktop,或构建/配置自己的客户端)连接到正在运行的服务。
    • 配置客户端,使其识别通过标准输入/输出运行的本地服务。请参阅所选 MCP 客户端的文档,了解如何添加本地服务。
    • 连接后,AI 应能够发现并使用已公开的工具和资源(例如 checkpoint_login_test)。

已实现的功能(阶段 1)

  • 防火墙 MCP 服务(src/firewall/):
    • checkpoint_login_test 工具:使用 API 密钥测试与 Check Point 管理 API 的连通性。(需要将 manager_url 和 api_key 作为输入参数。)

待实现(后续阶段)

  • 完整实现 BlockIPTool,以便与 Check Point 管理 API 交互。
  • 实现 FirewallLogsResource 以检索日志。
  • 开发 Harmony Endpoint MCP 服务(src/harmony_endpoint/)及其功能。
  • 为两个平台添加更多工具和资源(例如,管理网络对象和策略、获取终端状态、隔离终端等)。
  • 实现稳健的错误处理和状态管理(例如,处理由登录工具建立的 API 会话)。
  • 改进文档和示例。

贡献

这是一个开源项目,欢迎贡献!如果你想参与贡献:

  1. Fork 此仓库。
  2. 为你的功能或错误修复创建一个新分支。
  3. 进行修改,并确保代码通过所有测试(请添加测试!)。
  4. 提交一个清晰描述修改内容的 pull request。

许可证

本项目采用 选择你的许可证,例如 MIT 许可证 授权。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。