漏洞扫描程序MCP服务器

一个生产就绪的模型上下文协议（MCP）服务器，用于扫描代码库中的依赖性漏洞。使用FastMCP和FastAPI构建，可作为一个copula应用程序部署。

![License](./LICENSE) ![Python 3.11+](https://www.python.org/downloads/) ![MCP](https://modelcontextprotocol.io)

🔒 概述

此MCP服务器为AI代理提供了强大的工具，可以：

🔍 扫描存储库 用于跨多种语言（Python、JavaScript、Java、R）的依赖关系
🛡️ 检查漏洞 使用OSV.dev API（无需下载！）
🔬 分析代码使用情况 通过AST解析来理解包的影响（Python+Java）
☕ Java代码分析 使用javalang：解析AST，提取方法调用，查找API用法
⚠️ 检测破坏性更改 使用变更日志分析和精心策划的数据库
📊 可视化补丁 在应用之前使用颜色编码的差异
🔧 应用安全补丁 自动与Git集成
📈 监控存储库 不断发现新的漏洞
🗄️ 与Unity目录集成 用于生产工作流程和审计跟踪

为什么要使用这个工具？

✅ API-第一种方法：无包下载-使用注册表API进行即时元数据\ ✅ 多语言支持：Python、JavaScript、Java、R生态系统\ ✅ 突变检测：自动分析API版本之间的变化\ ✅ 视觉差异：在应用补丁之前，确切地看看会发生什么变化\ ✅ Rancher本机：与copula Repos和Unity Catalog无缝集成\ ✅ 代理就绪：通过MCP协议为AI代理编排而设计\ ✅ 生产级：包括审计跟踪、UC集成和测试验证

🚀 快速开始

先决条件

Python 3.11或更高版本
紫外线（推荐）或pip
Rancher工作区（用于部署）

安装

# Clone or navigate to the project
cd vulnerability-scanner-mcp

# Install dependencies with uv
uv sync

# Or with pip
pip install -r requirements.txt

在本地运行

# Start the server (port 8000)
./scripts/dev/start_server.sh

# Or manually
uv run python -m server.main

# Or with custom port
uv run python -m server.main --port 8080

服务器将在以下位置可用：

MCP端点: http://localhost:8000/mcp/v1/
健康检查: http://localhost:8000/health
网络界面: http://localhost:8000/

测试服务器

# Run local test (checks tools without authentication)
python scripts/dev/test_local.py

# Run full integration tests (requires Databricks auth)
uv run pytest tests/

🏗️ 建筑

vulnerability-scanner-mcp/
├── server/              # MCP server core
│   ├── app.py          # FastAPI + FastMCP setup
│   ├── main.py         # Entry point
│   ├── tools.py        # 15 MCP tools
│   └── utils.py        # Databricks authentication
├── services/           # Business logic
│   ├── code_analyzer.py          # Parse dependencies from manifests
│   ├── vulnerability_scanner.py  # OSV.dev API client
│   ├── package_registry.py       # PyPI/npm/Maven APIs
│   ├── static_analyzer.py        # AST parsing for code analysis
│   ├── changelog_fetcher.py      # Fetch changelogs from GitHub/PyPI
│   ├── api_changelog_analyzer.py # Breaking change detection
│   ├── llm_analyzer.py           # LLM-enhanced changelog analysis
│   ├── diff_generator.py         # Patch visualization
│   ├── git_client.py             # Databricks Repos API
│   └── uc_integration.py         # Unity Catalog integration
├── models/             # Pydantic data models
│   ├── package.py      # Package and dependency models
│   ├── vulnerability.py # Vulnerability and report models
│   └── usage.py        # Usage analysis and API change models
├── tests/              # Integration tests
├── static/             # Web interface
└── docs/               # Detailed documentation
    ├── AGENT_CONFIGURATION.md
    ├── AGENT_MCP_TOOLS.md
    ├── AGENT_TOOL_ORGANIZATION.md
    ├── CHANGELOG.md
    ├── CONTRIBUTING.md
    ├── DEPLOYMENT.md
    ├── JAVA_ANALYSIS.md
    ├── LANGGRAPH_ARCHITECTURE.md
    ├── MCP_TOOLS_FOR_AGENT.md
    ├── STREAMLIT_APP_INTEGRATION.md
    ├── TOOL_EXCLUSION_STRATEGY.md
    ├── TOOL_FLOWS.md
    ├── TOOL_REQUIREMENTS.md
    ├── TROUBLESHOOTING.md
    └── UC_INTEGRATION.md

🔧 可用工具（共17个）

📦 Git仓库管理（1个工具）

1. `clone_github_repo` 🆕

将任何GitHub存储库克隆到Connection/Reposit/进行分析

使用此功能将远程存储库引入您的copula工作区。克隆后，使用其他工具扫描、分析或修补代码。

Args：

git_url （str）：GitHub存储库URL（例如，“https://github.com/org/repo.git")
provider （str）：Git提供者-“github”、“gitLab”、“bitbucketCloud”或“azure DevOpsServices”（默认值：“github）
branch （str）：分支到结账（默认：“main”）
user_email （str）：回购路径的用户电子邮件（默认值：“adminuser4510846@vocareum.com")
destination_folder （str）：/Reps/{user_email}/下的文件夹名称（默认值：“Repos”）

退货： 存储库信息，包括路径、提交哈希和分支。

例子：

# Clone a repository
result = clone_github_repo(
    git_url="https://github.com/databricks/databricks-sdk-py.git",
    destination_folder="hackathon_databricks"
)
# Returns: {"repo_path": "/Repos/user@company.com/hackathon_databricks/databricks-sdk-py", ...}

# Then scan it separately
scan_result = scan_repo_dependencies(repo_path=result["repo_path"])

它的作用：

✅ 将存储库克隆到 /Repos/{user}/{folder}/{repo_name}
✅ 支持多个Git提供程序
✅ 返回存储库信息以供进一步分析

工作流程：

使用 clone_github_repo 将代码带入工作区
使用 scan_repo_dependencies 查找依赖关系
使用 check_vulnerabilities 识别安全问题
使用 generate_patch_preview 查看修复程序
使用 apply_security_patches 应用它们

______________________________________________________________________

🔍 发现和扫描（2个工具）

2. `scan_repo_dependencies`

扫描copula Repo以从清单文件中提取所有库依赖项。

Args：

repo_path （str）：ConnectionRepo或工作区文件夹的路径
branch （str）：要扫描的Git分支（默认：“main”）

退货：

{
  "packages": {
    "python": {"requests": "2.28.0", "pandas": "1.5.3"},
    "javascript": {"react": "18.2.0"}
  },
  "manifest_files": ["requirements.txt", "package.json"],
  "total_packages": 15
}

支持的清单：

python requirements.txt, pyproject.toml, setup.py, Pipfile
JavaScript： package.json, package-lock.json
Java pom.xml, build.gradle
R DESCRIPTION

3. `list_directory_contents`

探索存储库结构并验证文件访问权限（对调试很有用）。

🛡️ 漏洞分析（2个工具）

4. `check_vulnerabilities`

检查与OSV.dev漏洞数据库的依赖关系（聚合NVD、GitHub Security等）。

Args：

dependencies （dict）：输出来自 scan_repo_dependencies
severity_threshold （str）：“低”|“中”|“高”|“临界”

退货：

{
  "vulnerable_packages_count": 2,
  "vulnerable_packages": [
    {
      "name": "requests",
      "current_version": "2.28.0",
      "recommended_version": "2.31.0",
      "vulnerabilities": [
        {
          "cve_id": "CVE-2023-32681",
          "severity": "high",
          "cvss_score": 7.5,
          "description": "Proxy-Authorization header leak",
          "fixed_versions": ["2.31.0"]
        }
      ]
    }
  ]
}

5. `monitor_repo_security`

全面安全审计-一步扫描依赖关系并检查漏洞。

🔬 代码影响分析（3个工具）

6. `analyze_package_usage`

使用AST解析分析代码库中如何使用包。

Args：

repo_path （str）：存储库路径
package_name （str）：要分析的包（例如，“pandas”、“requests”）
specific_file （str，可选）：仅分析一个文件

退货：

{
  "package_name": "pandas",
  "imported_as": {"pd": "pandas"},
  "methods_used": ["DataFrame", "read_csv", "concat"],
  "files_with_usage": ["analysis.py", "preprocessing.py"],
  "usage_count": 47
}

7. `check_api_changes`

检测程序包版本之间正在中断的API更改。

Args：

package_name （str）：包名称
current_version （str）：当前版本
target_version （str）：目标升级版本
methods_used （列表，可选）：检查方法（来自 analyze_package_usage)

退货：

{
  "package_name": "pandas",
  "current_version": "1.5.3",
  "target_version": "2.0.0",
  "is_breaking": true,
  "breaking_changes": [
    {
      "method": "DataFrame.append",
      "change_type": "removed",
      "description": "Deprecated and removed. Use concat() instead.",
      "severity": "high",
      "migration_guide": "Replace df.append(other) with pd.concat([df, other])"
    }
  ],
  "confidence": 0.92
}

检测策略：

整理数据库：检查流行包（pandas、numpy、tensorflow、requests等）的已知破坏性更改
变更日志分析：从GitHub版本和PyPI获取并分析变更日志
语义化版本：将主要版本的颠簸标记为可能会破裂

8. `fetch_and_analyze_changelog`

获取并分析包更改日志，以发现突破性更改。

来源：

GitHub发布API
PyPI元数据
常见的变更日志文件（changelog.md、HISTORY.md、CHANGES.md）

🔧 补丁生成和验证（3个工具）

9. `generate_patch_preview`

在应用补丁之前生成视觉差异预览。

Args：

repo_path （str）：通往Rancher Repo的路径
upgrade_plan （dict）：随版本升级的软件包

退货：

{
  "files_to_modify": ["requirements.txt"],
  "file_diffs": [
    {
      "file_path": "requirements.txt",
      "diff_text": "--- a/requirements.txt\n+++ b/requirements.txt\n...",
      "lines_added": 3,
      "lines_removed": 3
    }
  ],
  "visual_diff_html": "...",
  "impact_summary": {
    "total_changes": 6,
    "breaking_changes": 0
  }
}

10. `apply_security_patches`

将批准的安全补丁应用于存储库。

Args：

repo_path （str）：通往Rancher Repo的路径
upgrade_plan （dict）：已批准的升级计划
create_branch （bool）：创建新分支（默认值：true）
branch_name （str）：分支名称（默认：“安全补丁-｛timestamp｝”）

退货：

{
  "status": "success",
  "branch_name": "security-patches-20260203",
  "files_modified": ["requirements.txt"],
  "packages_upgraded": 3,
  "commit_message": "Security: Upgrade vulnerable packages"
}

安全特性：

✅ 从不直接修改主/主分支
✅ 始终创建新分支
✅ 包括描述性提交消息
✅ 保留原始清单格式

11. `validate_patch_with_tests`

将补丁应用于测试分支并运行测试套件。

Args：

repo_path （str）：存储库路径
branch_name （str）：使用补丁进行测试的分支

退货：

{
  "is_valid": true,
  "tests_pass": true,
  "test_summary": "47 passed, 0 failed",
  "errors": []
}

☕ Java代码分析（1个工具）

12. `analyze_java_repos_from_uc` 🆕

使用临时克隆和javalang AST解析分析Java存储库

从Unity Catalog读取仓库URL，将其克隆到临时目录（自动清理），使用以下命令解析Java代码 javalang 提取方法调用和结构，然后将综合分析写回UC。

它发现了什么：

类/接口/枚举结构
带有调用方上下文的方法调用（API调用）
包装组织
逐行使用情况跟踪

Args：

catalog （str）：UC目录名称（默认：“main”）
schema （str）：UC架构名称（默认：“security”）
table （str）：带有要扫描的repos的UC表（默认值：“java_repos_to_scan”）

需要UC表架构：

CREATE TABLE {catalog}.{schema}.{table} (
  repo_url STRING,     -- Git URL
  ref STRING,          -- Branch/tag/commit
  repo_name STRING     -- Human-readable name
);

退货：

{
  "status": "success",
  "repos_analyzed": 5,
  "total_java_files": 2847,
  "total_method_calls": 45632,
  "results": [...]
}

使用案例：

🔒 安全审计：找出实际使用了哪些易受攻击的API（例如Log4j）
📊 迁移规划：在库升级之前确定方法使用情况
🔍 依赖性分析：跨Java代码库映射API使用情况

例子：

# Agent workflow
result = analyze_java_repos_from_uc(
    catalog="production",
    schema="security_audit",
    table="vulnerable_java_apps"
)

# Results written to: production.security_audit.java_analysis_results
# Query: Which repos use javax.servlet?

主要特点：

✅ 临时克隆：无工作区污染，自动清理
✅ 不需要JVM：纯Python javalang 解析器
✅ 基于AST：精确的方法调用提取
✅ UC集成：从表中读取存储库，将结果写回

另请参见： 文档/JAVA_ANALYSIS.md 获取完整的文档

______________________________________________________________________

🗄️ Unity目录集成（3个工具）

用于具有集中跟踪和审计跟踪的生产部署。

13. `get_vulnerable_repos_from_uc`

从Unity目录表中获取易受攻击的存储库。

Args：

catalog （str）：UC目录名称（默认：来自配置）
schema （str）：UC模式名称（默认：来自配置）
table （str）：UC表名（默认：来自配置）
priority （int，可选）：按优先级筛选（1=严重，2=高，3=中等）

退货： 包含包详细信息的易受攻击存储库列表。

14. `write_analysis_to_uc`

将分析结果写入Unity目录进行跟踪。

Args：

repo_id （str）：存储库标识符
analysis_results （dict）：代码分析和API检查的结果

退货： 使用分析ID进行确认。

15. `record_user_decision_to_uc`

记录用户的批准/拒绝决定，以便进行审计跟踪。

Args：

repo_id （str）：存储库标识符
decision （str）：“批准”或“拒绝”
target_version （str）：版本正在升级到
reason （str，可选）：决策推理

退货： 使用决策ID进行确认。

📊 附加实用程序（2个工具）

16. `get_vulnerability_details`

获取特定CVE的详细信息。

17. `suggest_upgrades`

根据漏洞报告（代理内部使用）推荐安全升级路径。

______________________________________________________________________

📖 示例工作流

⚡ 新增：克隆和扫描远程存储库

User: "Scan this repo for vulnerabilities: https://github.com/databricks-industry-solutions/ray-framework-on-databricks"

Agent:
  → clone_github_repo(git_url, destination_folder="security_scans")
  → scan_repo_dependencies(repo_path)
  → check_vulnerabilities(dependencies)
  
Response: "✅ Cloned ray-framework-on-databricks to /Repos/user@company.com/security_scans/ray-framework-on-databricks
           
           Scan results: Found 15 packages, 2 with vulnerabilities:
           - ray 2.0.0 → CVE-2023-xxxxx (HIGH)
           - requests 2.28.0 → CVE-2023-32681 (HIGH)
           
           Would you like me to analyze the code impact?"

工作流优势：

✅ 独立关注点：克隆一次，分析多次
✅ 保留存储库以供手动检查
✅ 选择运行哪些分析的灵活性

______________________________________________________________________

快速安全扫描（现有回购）

User: "Check /Workspace/Users/me/my-project for vulnerabilities"

Agent:
  → scan_repo_dependencies(repo_path)
  → check_vulnerabilities(dependencies)
  
Response: "Found 2 HIGH severity vulnerabilities in requests and urllib3.
           Would you like me to analyze the code impact?"

基于突变检测的深度分析

User: "Analyze impact of upgrading pandas"

Agent:
  → scan_repo_dependencies(repo_path)
  → check_vulnerabilities(dependencies)
  → analyze_package_usage(repo_path, "pandas")
  → check_api_changes("pandas", "1.5.3", "2.0.0", methods_used)
  
Response: "Upgrade to pandas 2.0.0 fixes 1 vulnerability but has 2 breaking changes:
           - DataFrame.append() removed (use concat())
           - Used in 5 files, 23 call sites affected
           Would you like to see the patch preview?"

通过测试进行全面补救

User: "Fix all vulnerabilities and test"

Agent:
  → scan_repo_dependencies(repo_path)
  → check_vulnerabilities(dependencies)
  → analyze_package_usage(...) for each vulnerable package
  → check_api_changes(...) for each upgrade
  → generate_patch_preview(repo_path, upgrade_plan)
  → [User approves]
  → apply_security_patches(repo_path, upgrade_plan)
  → validate_patch_with_tests(repo_path, branch_name)
  
Response: "✅ Applied patches to branch 'security-patches-20260203'
           ✅ All 47 tests passed
           Ready to merge to main!"

生产UC工作流程

Agent (automated):
  → get_vulnerable_repos_from_uc(priority=1)  # Critical only
  → For each repo:
      - scan_repo_dependencies(repo_path)
      - analyze_package_usage(...) for each vulnerable package
      - check_api_changes(...) for each upgrade
      - write_analysis_to_uc(repo_id, results)
  
User reviews in Databricks App UI, approves fix

Agent:
  → record_user_decision_to_uc(repo_id, "approved")
  → apply_security_patches(repo_path, upgrade_plan)
  → validate_patch_with_tests(repo_path, branch_name)

______________________________________________________________________

🌐 部署到ViewModel

部署为copula应用程序

# Navigate to project directory
cd /path/to/vulnerability-scanner-mcp

# Authenticate with Databricks (use valid profile)
databricks auth login --profile your-profile

# Create the app (requires 'mcp-' prefix for AI Playground discovery)
databricks apps create mcp-vulnerability-scanner --profile your-profile

# Upload source code to Workspace
databricks workspace import-dir . /Workspace/Users/you@company.com/mcp-vulnerability-scanner --profile your-profile

# Deploy the app
databricks apps deploy mcp-vulnerability-scanner \
  --source-code-path /Workspace/Users/you@company.com/mcp-vulnerability-scanner \
  --profile your-profile

# Check status
databricks apps get mcp-vulnerability-scanner --profile your-profile

# View logs
databricks apps logs mcp-vulnerability-scanner --profile your-profile

看 文档/部署.md 了解详细的部署选项和故障排除。

在AI游乐场中配置

导航到 AI游乐场 在Databricks中
选择一个型号 工具已启用
点击 工具>+添加工具
选择已部署的MCP服务器： mcp-vulnerability-scanner
开始聊天-代理将自动使用您的工具！

MCP端点

部署后，您的MCP端点将是：

https://.databricks.com/serving-endpoints/mcp-vulnerability-scanner/mcp/v1/

______________________________________________________________________

🤖 代理配置

有关配置AI代理以使用此MCP服务器的全面指导，包括：

✨ 代理友好工具描述的最佳实践
🎤 OpenAI SDK代理的完整系统提示
🔄 4种执行流程模式（快速扫描→ 完全UC集成）
✅ 测试和验证指南

看 docs/AGENT_CONFIGURATION.md

______________________________________________________________________

🔐 认证

本地开发

使用来自 ~/.databrickscfg
设置配置文件 DATABRICKS_CONFIG_PROFILE 环境变量
如果未指定，则使用默认配置文件

# Configure auth
databricks auth login --profile your-profile

# Use profile
export DATABRICKS_CONFIG_PROFILE=your-profile
./scripts/dev/start_server.sh

部署为copula应用程序

应用程序身份验证 (get_workspace_client())：具有应用程序级访问权限的服务主体
用户认证 (get_user_authenticated_workspace_client())：用于用户特定操作的最终用户OAuth令牌
从以下位置提取用户令牌 x-forwarded-access-token 头球

大多数工具使用应用程序级身份验证来保证可靠性和一致性。

______________________________________________________________________

🗄️ Unity目录集成

对于生产部署，请与Unity Catalog集成：

📊 集中式漏洞跟踪
🔄 自动扫描工作流程
✅ 所有决策的审计跟踪
📈 报告和合规

看 docs/UC_INTEGRATION.md 完整的设置指南，包括：

Unity目录表模式
代理模型注册
生产工作流程示例

______________________________________________________________________

📦 关键依赖

fastmcp：MCP服务器框架
FastAPI：异步web框架
优维康：带uvloop的ASGI服务器
sdk数据库：Databricks API客户端
pyspark：Unity目录集成
意图tp：API调用的异步HTTP（OSV.dev、PyPI、npm、Maven）
pygments：语法高亮显示差异
包装：语义版本比较
汤米：pyproject.TOML的TOML解析器

______________________________________________________________________

🧪 发展

运行测试

# All tests
uv run pytest tests/

# Specific test
uv run pytest tests/test_integration.py::test_list_tools -v

# With coverage
uv run pytest tests/ --cov=server --cov=services

代码格式化

# Format code
uv run ruff format .

# Check linting
uv run ruff check .

# Auto-fix issues
uv run ruff check --fix .

本地测试，无需docker

# Test server health and tool listing (no auth required)
python scripts/dev/test_local.py

______________________________________________________________________

🎯 为什么采用API-第一种方法？

传统方法(❌):

下载完整软件包文件（MB/GB）
在本地存储包
比较缓慢
存储管理开销
陈旧数据

我们的方法(✅):

查询包注册表API（PyPI、npm、Maven）
仅获取元数据（KB）
即时查找
无需存储
始终保持最新状态
源代码变更日志分析

使用的API：

OSV.dev：漏洞数据库（聚合NVD、GitHub安全咨询等）
PyPI JSON API：Python包元数据和更改日志
npm注册表：JavaScript包元数据
Maven Central：Java包元数据
GitHub发布API：发行说明和变更日志
Databricks回购API：Rancher中的Git操作

______________________________________________________________________

📚 资源

______________________________________________________________________

🤝 贡献

我们欢迎捐款！看 docs/CONTRIBUTING.md 用于：

开发设置
代码风格指南
测试要求
拉取请求流程
贡献领域

贡献想法：

支持其他生态系统（Go、Rust、PHP、Ruby）
与Snyk、GitHub咨询数据库集成
通过Git提供程序API自动创建PR
SBOM生成
合规报告（SOC2、HIPAA）

______________________________________________________________________

🆘 故障排除

常见问题

端口已在使用中：

uv run python -m server.main --port 8080

导入错误：

uv sync --reinstall

身份验证错误（本地）：

databricks auth login --profile your-profile
export DATABRICKS_CONFIG_PROFILE=your-profile

部署错误：

# Check app logs
databricks apps logs mcp-vulnerability-scanner --profile your-profile

# Check app status
databricks apps get mcp-vulnerability-scanner --profile your-profile

看 docs/TROUBLESHOOTING.md 获取全面的故障排除指南。

______________________________________________________________________

📄 许可证

根据Apache许可证2.0授权。看许可证了解详情。

______________________________________________________________________

📝 更新日志

看 docs/CHANGELOG.md 查看版本历史和发行说明。

______________________________________________________________________

内置于❤️ 用于安全的软件供应链

当前版本: 1.0.0 | MCP协议: 1.0 | python: 3.11+

Vulnerability Scanner MCP

快速接入

详细介绍

漏洞扫描程序MCP服务器

🔒 概述

为什么要使用这个工具？

🚀 快速开始

先决条件

安装

在本地运行

测试服务器

🏗️ 建筑

🔧 可用工具（共17个）

📦 Git仓库管理（1个工具）

1. clone_github_repo 🆕

🔍 发现和扫描（2个工具）

2. scan_repo_dependencies

3. list_directory_contents

🛡️ 漏洞分析（2个工具）

4. check_vulnerabilities

5. monitor_repo_security

🔬 代码影响分析（3个工具）

6. analyze_package_usage

7. check_api_changes

8. fetch_and_analyze_changelog

🔧 补丁生成和验证（3个工具）

9. generate_patch_preview

10. apply_security_patches

11. validate_patch_with_tests

☕ Java代码分析（1个工具）

12. analyze_java_repos_from_uc 🆕

🗄️ Unity目录集成（3个工具）

13. get_vulnerable_repos_from_uc

14. write_analysis_to_uc

15. record_user_decision_to_uc

📊 附加实用程序（2个工具）

16. get_vulnerability_details

17. suggest_upgrades

📖 示例工作流

⚡ 新增：克隆和扫描远程存储库

快速安全扫描（现有回购）

基于突变检测的深度分析

通过测试进行全面补救

生产UC工作流程

🌐 部署到ViewModel

部署为copula应用程序

在AI游乐场中配置

MCP端点

🤖 代理配置

🔐 认证

本地开发

部署为copula应用程序

🗄️ Unity目录集成

📦 关键依赖

🧪 发展

运行测试

代码格式化

本地测试，无需docker

🎯 为什么采用API-第一种方法？

📚 资源

🤝 贡献

🆘 故障排除

常见问题

📄 许可证

📝 更新日志

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

1. `clone_github_repo` 🆕

2. `scan_repo_dependencies`

3. `list_directory_contents`

4. `check_vulnerabilities`

5. `monitor_repo_security`

6. `analyze_package_usage`

7. `check_api_changes`

8. `fetch_and_analyze_changelog`

9. `generate_patch_preview`

10. `apply_security_patches`

11. `validate_patch_with_tests`

12. `analyze_java_repos_from_uc` 🆕

13. `get_vulnerable_repos_from_uc`

14. `write_analysis_to_uc`

15. `record_user_decision_to_uc`

16. `get_vulnerability_details`

17. `suggest_upgrades`