72hours security check

72hours MCP — 通过 AI 对话使用服务

复制运行中服务的 /mcp/service 中的服务器 URL，并将其注册到 Claude 的 custom connector、 ChatGPT 的 custom MCP server 或其他 AI 的远程 MCP 设置中。当前演示认证为 None。 Cursor·VS Code 也可以使用同一页面中的连接按钮。注册后，调用 service_info 确认连接。 网页聊天通过仓库 URL 使用服务；直接修改代码则由拥有文件访问权限的编码 Agent 执行。 远程地址为 /mcp/service/rpc，面向 Agent 的说明为 /mcp/service/agent.txt。 可在支持远程 HTTP MCP 的客户端中使用，无需安装 Python·CMD·结果文件。 客户端本身可能需要批准连接并重新连接；仅支持 stdio 的应用则需要单独的桥接程序。

create_workspace → start_scan → get_scan → start_analysis → get_analysis → get_fix_prompt

start_analysis 仅接收 workspace_token·scan_id·fingerprint。分析 API 无需用户 OS·托管环境输入，即可生成适用于三种 OS 的命令，包管理器会自动判定。 依次调用实际服务器 API。修改由用户 AI 在其工作副本中执行。 rescan 会将同一仓库的已发布默认分支与之前的结果进行比较。它无法检查未发布的本地修改或 PR 分支，因此如果提交相同，不应标记为修改验证完成。 generate_report 和 incident_report 提供现有服务的检查报告·事故评估·举报表单草稿。 不提供自动提交举报·账户管理·计费·任意 Shell 执行·部署工具。

现有 /mcp/connect 保留为专用连接功能，用于连接已在网页上检查的结果。 整个服务 MCP 不信任或接收浏览器结果，而是连接由它自身接收的服务器任务所对应的 实际仓库·提交·FindingInput。不会传递 GPU 密钥。

生产环境运行时使用现有命令 live_server.py --database /absolute/private/links.sqlite3 --public-origin https://HOST。 --public-origin 可接收多个以逗号分隔的地址；连接地址·说明文档会使用第一个地址（主地址，固定地址）生成，其他地址的请求也会被接收。只在同一目录的 workspaces.sqlite3 中 保存过期时间·capability 哈希·接收 ID，不保存原始代码·完整分析内容·密钥。backend 会调用固定的 loopback 127.0.0.1:8000，并遵循现有的认证·allowlist·queue 策略。需要认证的环境会 返回策略错误，不会绕过。此配置用于已经允许无认证公开演示 API 的部署。

capability 有效期为 24 小时，最多 128 个工作空间、256 个接收任务、每个空间 16 个任务 （WorkspaceStore 生产配置）。相同的 scan request_id 和相同的分析输入不会重复接收。 响应不明确的 POST 会保留为 not_confirmed，以防止自动重复接收。服务器可能已经接收任务， 因此在运营人员确认之前，不要随意使用新的 request_id 重复提交。 撤销会移除 MCP 访问权限，但不会取消已经由 backend 接收的任务。 保留 DB 并重启进程后，ID 仍会保留；但 backend 结果的保留期过后，需要重新检查。

验证：python -m unittest discover -s integrations/mcp-handoff/tests -v。 通过合成测试检查 HTTP MCP 初始化·完整 API 契约·两个工作空间隔离·并发重复请求·过期/撤销·认证/错误·Red 门禁；部署后，再通过公开 HTTPS 单独确认实际检查→GPU 分析→报告→重新检查。

---

现有本地结果传递模式

这是一个在现有服务旁边以独立进程运行的只读 MCP 服务。它会在本地 LLM 已生成的 ai_fix_prompt 中附加仓库检查·最小修改·测试·重新检查的指引，并提供给用户的 AI 编码 Agent。它不会导入 backend，也不会更改 API·DB·GPU·compose·服务依赖项。

기존 로컬 LLM → 결과 JSON 저장 → 이 MCP 서버 (stdio)
                                    ↑ 사용자 AI 에이전트가 조회
                                    ↓ 수정 제안 + 실제 검증 지침
                              사용자 저장소에서 수정·테스트·재검사

MCP 不会主动向用户的 Agent 推送内容，也不会自动让其修改。用户连接 MCP 并请求执行任务后，Agent 才会调用工具。它提供官方 SDK 文档中的 tools 和 prompts；在受支持客户端的用户菜单中，也可以直接选择 fix_finding prompt。它使用 SDK v1 维护 API，并固定为 mcp==1.30.0。

安装与验证

在仓库根目录中通过 PowerShell 运行。不要安装到现有的 backend/.venv 中。

python -m venv integrations/mcp-handoff/.venv
integrations/mcp-handoff/.venv/Scripts/python.exe -m pip install -r integrations/mcp-handoff/requirements.txt
integrations/mcp-handoff/.venv/Scripts/python.exe -m unittest discover -s integrations/mcp-handoff/tests -v

在 macOS/Linux 上，将 .venv/Scripts/python.exe 替换为 .venv/bin/python。测试通过合成结果和实际 stdio 客户端运行，不需要 GPU·网络或运行服务。被阻止的 prompt 请求所产生的错误日志属于预期的拒绝路径。

连接结果

输入支持正在进行的 #16 的以下两种输出契约。即使相关功能尚未合并到 main，MCP 本身的安装和合成数据测试也可以独立进行。

输入	结构	运行参数
保存 /api/llm/explain 响应的 JSON	{"mode":"red_blue","results":[...]}	--results
python -m app.llm.check 保存的 JSON	{"model":"...","runs":[{"mode":"red_blue","results":[...]}]}	--results 和明确指定的 --run-index

--run-index 从 0 开始。如果实测报告同时包含 Blue 和 Red–Blue，请检查实际的 runs 后再选择。不会自动选择最新文件或之前 pass 的结果。每次 1~50 条，文件最大 2 MiB。启动时只读取运营人员指定的文件一次，并仅在内存中保留所需字段，因此若要连接新结果，必须重启 MCP 进程。请在文件写入完成后再连接。

integrations/mcp-handoff/.venv/Scripts/python.exe integrations/mcp-handoff/server.py `
  --results C:/private/scan-results.json `
  --repository owner/scanned-app `
  --revision <검사한_사용자_저장소의_40자리_SHA>

repository 和 revision 指的是被检查的用户仓库，而不是 72hours 服务仓库。当前上游输出不包含这些信息，因此由运营人员指定。MCP 不会验证这种关联关系或文件的真实性。LLM 实测 fixture 并非实际用户仓库的检查结果，不要将其作为生产结果连接。

直接运行时等待输入是正常的。stdout 专用于 MCP JSON-RPC。通常由客户端启动服务器进程。

网页自动保存，以读取最新结果（#65）

在网页（仪表板）中执行检查时，结果文件会自动覆盖；MCP 不带 --revision 运行，每次调用时都会读取最新文件。即使重新检查后提交发生变化，也无需修改配置或重启 MCP。

1. 在网页“④ MCP 集成”栏中，点击开启自动保存，选择一次结果文件（72hours-mcp-<owner>-<repo>.json）的位置。之后每次检查和分析结束时，都会保存到同一文件（Chrome、Edge）。其他浏览器请使用下载 MCP 结果，并保存为相同的文件名。
2. 只需首次使用复制 MCP 配置获得的配置，并粘贴到客户端。格式如下。

server.py --results <결과 파일 절대 경로> --repository <owner/repo>

--repository 可以省略，但建议一并提供。省略后，该路径下保存的任何仓库结果文件都会原样传递。网页的配置复制始终会加入 --repository。

操作	内容
最新结果	调用时如果文件内容（sha256）发生变化，就会重新读取。即使覆盖后的时间和大小相同，也会反映变更
仓库与提交	使用文件中的 source.repository、source.revision、source.generated_at。这些信息会显示在 list_findings 的 source 中
固定仓库	如果 --repository 与文件中的仓库不同，则不会接收该文件，并保留上一次的结果
文件损坏	如果文件在写入过程中损坏或格式错误，则保留上一次的正常结果，并通过 notice 通知
文件不存在	服务会启动，list_findings 会返回空列表和“请开启自动保存”的提示
文件被删除	文件读取一次后若被删除，则保留上一次的结果，并通过 notice 通知

如果提供 --revision，则采用原有的固定方式，仅在启动时读取一次。此时，如果文件中的 source.revision 不同，则会拒绝读取。

连接到用户 Agent

连接实际网页检查（#71）

在 live_server.py 部署中，/mcp/connect 会读取同一浏览器中的实际检查结果。 用户确认后创建专用连接，并将复制修改请求中的句子发送给自己的 AI Agent。 无需安装文件，仅连接到该次检查；支持 24 小时过期和手动撤销。 不会自动替换公共示例。系统会注明这是浏览器导出的结果，并由 Agent 核实仓库、提交和代码依据。 有关数据边界、部署和验证的详细信息，请参阅实际检查 MCP 指南。

无需安装的远程连接（#68）

运营者通过 http_server.py 部署已获公开许可的结果后，用户无需安装 ZIP/Python， 只需将 https://<공개호스트>/mcp/connect 中的句子发送给 AI Agent。 Agent 会读取 /mcp/agent.txt，并按照主机支持的方式注册 /mcp。 如果主机未授予修改配置的权限，用户必须在 MCP 添加界面中注册 URL。 这不会绕过执行权限、连接审批或客户端重新连接。

• 使用标准 Streamable HTTP 和无状态 JSON 响应，不依赖 Quick Tunnel 不支持的 SSE。
• 提供适用于 Claude Code、Codex、Cursor、VS Code 及支持远程 HTTP 的主机的说明。
• 现有 list_findings、get_fix_prompt、fix_finding 的传递条件不变。
• 仅绑定到 127.0.0.1，只允许明确指定的公开 Host/Origin，并将请求正文限制为 64 KiB。
• 仅适用于无需身份验证的公开固定快照。不得将个人检查文件上传到此端点。 部署时必须通过 --publish-approved-snapshot 明确声明已获公开许可。
• 不支持自动查询新网页检查、个人项目、启动扫描或上传。要集成多用户 服务，必须另行实现用户/项目权限及结果 ID 的关联。

一般服务部署请遵循远程 MCP 部署指南。 实际公开结果不会提交到仓库。测试仅使用合成结果。

本地 stdio 连接（现有方式）

client.example.json 是面向使用 mcpServers 格式的客户端的 Windows 配置示例。请将可执行文件、服务文件和结果文件路径全部改为绝对路径，并填写检查目标仓库和提交。实测报告需在 args 中添加 "--run-index", "0" 等内容。此文件不会自动应用，也不会更改现有客户端配置或正在运行的 Claude 会话。对于使用其他配置格式的主机，注册相同的 command 和 args 即可。

连接后发送给用户 Agent 的请求：

请使用 72hours-handoff 的 list_findings 检查当前连接的检查结果。获取 ready=true 项目的 get_fix_prompt，并确认目标仓库和检查提交是否与当前工作目标一致。在保留现有更改的同时，只修复相关漏洞，并告知我正常功能测试和安全复查的结果。请勿擅自修改已阻止的项目，并说明需要确认的原因。

MCP 功能	输入	输出
tool list_findings	无	仓库、提交、文件 SHA-256、run index，以及各 fingerprint 的 ready 状态和阻止原因
tool get_fix_prompt	fingerprint	包含建议和验证说明的文本；已阻止或不存在的项目会返回 tool error
prompt fix_finding	fingerprint	将相同内容作为 user 消息提供；同样适用阻止规则

전달 조건과 경계

• status=done, variant=D, red_verdict=pass, 마지막 red_rounds의 판정도 pass이며 issues가 비어 있어야 합니다.
• needs_manual_review=false, false_positive_suspect=false가 명시적 boolean이어야 합니다. 누락·문자열·실패·오탐 의심 결과의 수정 지시는 전달하지 않습니다.
• fingerprint 일치, 비어 있지 않은 ai_fix_prompt, 모델과 프롬프트 버전을 확인합니다. 중복 fingerprint·중복 JSON 키는 거부합니다.
• 소스 코드 조각, context, 모델의 원본 오류, 공격 시나리오는 전달하지 않습니다. 허용 필드만 사용하고 알려진 키 패턴을 다시 가립니다. 임의 형식의 비밀값까지 완전하게 탐지하지는 못하므로 생산 단계에서도 비밀값과 코드 원문을 제거해야 합니다.
• 프롬프트의 LLM 결과는 이스케이프한 JSON 데이터입니다. 이는 주입 방어의 한 층이지 모델이 악성 제안을 절대 따르지 않는다는 보장은 아닙니다. 수신 에이전트가 사용자 권한·코드 근거·작업 범위를 확인해야 합니다.
• Red pass는 LLM의 제안 검토이며 실제 공격 실행, 코드 수정 성공, 취약점 해결 확인이 아닙니다. 완료 판정은 사용자 측 테스트와 원래 탐지기의 재검사가 필요합니다.
• 기본 실행은 읽기 전용 로컬 stdio입니다. 별도 http_server.py는 공개 허용된 고정 스냅샷만 원격으로 제공합니다. 파일 내용은 연결한 AI 클라이언트에 전달되므로 클라우드 모델을 쓰는 호스트에서는 외부로 전달될 수 있습니다. 결과 파일 접근 권한은 운영자가 관리합니다.

이후 서비스 연동 시 필요한 작업

현재 범위는 파일 기반 전달입니다. 실시간 대시보드/DB 조회나 다중 사용자 원격 MCP는 구현하지 않았습니다. 그 단계에서는 기존 인증 경계 안에서 사용자·프로젝트별 읽기 전용 조회, 검사 대상 커밋·scan ID의 서버 측 결합, 최신 상태 및 재검사 이력 확인을 먼저 추가해야 합니다. 지금 서버를 그대로 공개 HTTP 서비스로 노출하면 안 됩니다.

새 검사 결과에는 사용자 저장소·검사 커밋·검사 시각을 상위 시스템에서 함께 기록하는 것이 좋습니다. 이 PR은 그 계약을 강제로 바꾸지 않고 운영자 인자로 연결합니다. 외부 자원은 저장소 규칙에 따라 docs/external-resources.md에 기록합니다.