Garak LLM漏洞扫描程序的MCP服务器
Garak的轻量级MCP（模型上下文协议）服务器。
例子：
https://github.com/user-attachments/assets/f6095d26-2b79-4ef7-a889-fd6be27bbbda
______________________________________________________________________
提供的工具
概述
| 名称 | 描述 |
|---|---|
| list_model_type | 列出所有可用的模型类型（ollama、openai、hugginface、ggml） |
| list_models | 列出给定型号类型的所有可用型号 |
| list_garak_probes | 列出所有可用的garak攻击/探测 |
| get_report | 获取上次运行的报告 |
| run_attack | 使用给定的模型和探测运行攻击 |
详细描述
- list_model_type
- 列出可用于攻击的所有可用模型类型 - 返回支持的模型类型列表（ollama、openai、hugginface、ggml）
- list_models
- 列出给定型号类型的所有可用型号 - 输入参数： - model_type （string，必填）：要列出的模型类型（ollama、openai、hugginface、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 - 返回可运行的可用探测/攻击列表
- 获取报告
- 获取上次运行的报告 - 返回报告文件的路径
- run_attack
- 使用给定的模型和探测器进行攻击 - 输入参数： - model_type （string，必填）：要使用的模型类型 - model_name （string，必填）：要使用的模型的名称 - probe_name （string，必填）：要使用的攻击/探测的名称 - 返回发现的漏洞列表
______________________________________________________________________
先决条件
- Python 3.11或更高版本：此项目需要Python 3.11或更高版本。
# Check your Python version
python --version- 安装uv：一个快速的Python包安装程序和解析器。
pip install uv或者使用Homebrew：
brew install uv- 可选：Ollama：如果要对ollama模型运行攻击，请确保ollama服务器正在运行。
ollama serve______________________________________________________________________
安装
- 克隆此存储库：
git clone https://github.com/BIGdeadLock/Garak-MCP.git- 配置您的MCP主机（克劳德桌面、光标等）：
{
"mcpServers": {
"garak-mcp": {
"command": "uv",
"args": ["--directory", "path-to/Garak-MCP", "run", "garak-server"],
"env": {}
}
}
}
______________________________________________________________________
测试时间：
- \[X\] 光标
- \[X\] 克劳德桌面
______________________________________________________________________
运行漏洞扫描
您可以使用附带的CLI工具直接运行Garak漏洞扫描。
扫描的先决条件
- Ollama一定在跑:
ollama serve- 拉动模型进行扫描:
ollama pull llama2使用CLI扫描程序
安装后，您可以使用 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
扫描结果保存在 output/ 目录（或您指定的目录）作为JSONL文件。每次扫描都会创建一个带时间戳的报告文件：
output/scan_llama2_20250125_143022.report.jsonlGitHub操作集成
此存储库包括一个自动运行漏洞扫描的GitHub Actions工作流：
- 触发器：推送到主/主、拉取请求、每周时间表（周一凌晨2点UTC）
- 手动运行：转到操作→ Garak LLM漏洞扫描→ 运行工作流
- 自定义选项：手动运行时指定型号和探头
- 结果：扫描结果作为工作流工件上传
要启用自动扫描，请执行以下操作：
- 确保工作流文件存在于
.github/workflows/garak-scan.yml - 推送到您的存储库
- 检查“操作”选项卡以查看扫描结果
______________________________________________________________________
今后的步骤
- \[\]添加对Smithery AI的支持：Docker和配置
- \[\]改进报告
- \[\]测试和验证OpenAI模型（GPT-3.5、GPT-4）
- \[\]测试并验证HuggingFace模型
- \[\]测试和验证本地GGML模型