关于 Tracehunt
Tracehunt 是面向授权用户名侦查的 Python OSINT 工具,提供命令行工具和 MCP 服务。它可跨平台查询用户名,并支持 HTML 报告、足迹评分、配置文件及可选的更新检查。
主要功能
- 01查询 480 多个平台上的用户名
- 02生成可分享的 HTML 报告
- 03计算 0–100 的足迹分数
- 04通过 YAML 配置默认参数
- 05导出结果为 CSV 和 Excel
- 06更新检查默认关闭
适用场景
- 01在授权研究中查询用户名出现的平台
- 02通过分数和报告审查数字足迹
- 03导出查询结果以供进一步分析
MCP 相关
MCP 服务向 Agent 提供 `hunt_username()` 和 `footprint_score()`,用于查询用户名并获取足迹分数。
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。
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。
工具
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
🔎 TraceHunt
几秒钟内,在 480+ 个平台上查找任意用户名。
OSINT 侦查,提供单文件 HTML 报告、0–100 数字足迹评分,并默认采用隐私优先的不回传策略。

一条命令,即可获得用户名所在平台的排序列表,以及可分享的 HTML 报告。
TraceHunt 是知名项目 Sherlock(MIT)的一个尊重隐私、可自托管的分支。它保留了 Sherlock 经受实战检验的检测引擎和网站数据库,并新增报告、评分、配置功能,且默认采用不回传策略。完整署名信息和变更列表请参阅 NOTICE.md。
仅限经授权的安全研究和 OSINT 用途。 请确认符合所在司法管辖区的法律,并且只调查获准调查的账户。
繁体中文摘要
TraceHunt 是一套 OSINT 用户名侦查工具:输入一个账户名称,它会在 480+ 个 社交/平台上查询该名称是否已注册,协助开展安全研究与数字足迹盘点。
本项目是知名开源工具 Sherlock 的定制分支(MIT 授权),在保留原有检测引擎与 网站数据库的基础上,新增了以下功能:
- HTML 报告:一键生成美观、可离线打开的单文件报告(
--html report.html)。 - 数字足迹评分:统计命中数,并换算为 0–100 分的足迹分数(
--summary)。 - YAML 配置文件:将常用参数写入
tracehunt.yaml,免去每次重复输入(--config)。 - 隐私优先:原版启动时会自动联网检查更新;本版本改为 默认不连接外网,只有添加
--check-update才会检查。
授权与致谢请参阅 NOTICE.md;原始著作权信息保留于 LICENSE。
功能
| 480+ 个站点 | 并行在数百个平台上查找用户名 |
| HTML 报告 | --html report.html -> 生成可分享的自包含样式化报告 |
| 足迹评分 | --summary -> 统计命中数,并给出 0–100 的“数字足迹”评分 |
| 配置文件 | --config tracehunt.yaml -> 保存默认标志 |
| 不回传 | 更新检查为主动选择加入(--check-update),与上游版本不同 |
| 导出 | 支持 CSV(--csv)和 Excel(--xlsx),与 Sherlock 一样 |
安装
git clone https://github.com/Hayatelin/tracehunt.git
cd tracehunt
pip install -r requirements.txt
# optional: install as a CLI command
pip install .
需要 Python 3.9+。
快速开始
# Basic: hunt one username, print results to the terminal
python -m tracehunt johndoe
# Generate a styled HTML report + a footprint summary
python -m tracehunt johndoe --html johndoe.html --summary
# Limit to specific sites and export CSV
python -m tracehunt johndoe --site GitHub --site Reddit --csv
# Use a config file for your default options
python -m tracehunt johndoe --config tracehunt.yaml
如果你是将其安装为命令,请将 python -m tracehunt 替换为 tracehunt。
🤖 从 AI Agent 使用(MCP + 技能)
TraceHunt 附带 MCP 服务和 Agent 技能,因此 Claude Code、 Cursor、Codex 或 Gemini CLI 可以按需为你执行用户名侦查。
pip install "mcp[cli]" -r requirements.txt
python mcp/tracehunt_mcp.py # exposes hunt_username() + footprint_score()
按照 mcp/README.md 中的说明向 Agent 注册,然后只需提出请求:
"use tracehunt to check the username octocat"。更倾向于不使用 MCP?skill/SKILL.md 会指导 Agent 直接使用 CLI。
此外还提供纯 Python API:from tracehunt.api import hunt。
架构
flowchart LR
A[CLI args + tracehunt.yaml] --> B[core.run_search]
B --> C[(site database<br/>data.json)]
B --> D[Async requests<br/>requests-futures]
D --> E[QueryResult per site]
E --> F{Outputs}
F --> G[Terminal]
F --> H[CSV / XLSX]
F --> I[report.py<br/>HTML + footprint score]
与 Sherlock 的不同之处
检测引擎和站点列表来自 Sherlock(MIT)。新增功能包括:
tracehunt/report.py— HTML 报告和足迹评分(新增,仅使用标准库)tracehunt/config.py— YAML 配置加载器(新增)core.py— 新增--html / --summary / --config / --check-update标志;自动更新检查现改为主动选择加入,且默认使用附带的离线数据库。
完整详情和署名信息:NOTICE.md。
测试
pip install pytest PyYAML
pytest
许可证
MIT — 详见 LICENSE。原始作品 © 2019 Sherlock Project;
TraceHunt 修改部分 © 2026 VictorLin。
评论
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。