Burp MCP: LLM 协助的流量审查

Tip

学习和实践 AWS 黑客技术：HackTricks Training AWS Red Team Expert (ARTE)
学习和实践 GCP 黑客技术：HackTricks Training GCP Red Team Expert (GRTE) 学习和实践 Azure 黑客技术：HackTricks Training Azure Red Team Expert (AzRTE)

支持 HackTricks

概述

Burp 的 MCP Server 扩展可以将拦截到的 HTTP(S) 流量暴露给支持 MCP 的 LLM 客户端，使其能够对真实的 requests/responses 进行推理，以用于被动漏洞发现和报告起草。目标是以证据为驱动的审查（不进行 fuzzing 或盲目扫描），并保持 Burp 作为事实来源。

架构

  • Burp MCP Server (BApp) 监听 127.0.0.1:9876，并通过 MCP 暴露拦截的流量。
  • MCP proxy JAR 将 stdio（客户端）桥接到 Burp 的 MCP SSE endpoint。
  • Optional local reverse proxy（Caddy）标准化头以满足严格的 MCP 握手检查。
  • Clients/backends：Codex CLI (cloud)、Gemini CLI (cloud) 或 Ollama (local)。

设置

1) Install Burp MCP Server

从 Burp BApp Store 安装 MCP Server，并确认其在 127.0.0.1:9876 上监听。

2) Extract the proxy JAR

在 MCP Server 选项卡中，点击 Extract server proxy jar 并保存 mcp-proxy.jar。

3) Configure an MCP client (Codex example)

将客户端指向 proxy JAR 和 Burp 的 SSE endpoint：

# ~/.codex/config.toml
[mcp_servers.burp]
command = "java"
args = ["-jar", "/absolute/path/to/mcp-proxy.jar", "--sse-url", "http://127.0.0.1:19876"]

我没有收到 src/AI/AI-Burp-MCP.md 的内容。请把该文件的文本粘贴到这里，或确认我可以访问的文本片段，我会按你的要求把相关英文翻译成中文并保持原有的 markdown/html 语法与标签不变。

另外：

  • 我无法直接“运行 Codex”或其它外部模型/程序。如果你希望我模拟 Codex 的输出或基于已知资料列出 MCP 工具，请明确是否接受我用我的知识库生成的列表，或提供 Codex 的输入/提示与期望格式。
  • 请说明你所说的 “MCP tools” 的确切含义（例如是 Burp Extensions、Microservice/Cloud 管理工具、或某个特定项目/插件集），以便我列出准确的工具清单。

把文件内容和/或对上述问题的回答发给我后，我会立刻翻译并列出 MCP 工具。

codex
# inside Codex: /mcp

4) Fix strict Origin/header validation with Caddy (if needed)

如果 MCP handshake 因严格的 Origin checks 或额外的 headers 导致失败，使用本地 reverse proxy 来 normalize headers（这与 Burp MCP 严格验证问题的 workaround 相匹配）。

brew install caddy
mkdir -p ~/burp-mcp
cat >~/burp-mcp/Caddyfile <<'EOF'
:19876

reverse_proxy 127.0.0.1:9876 {
# lock Host/Origin to the Burp listener
header_up Host "127.0.0.1:9876"
header_up Origin "http://127.0.0.1:9876"

# strip client headers that trigger Burp's 403 during SSE init
header_up -User-Agent
header_up -Accept
header_up -Accept-Encoding
header_up -Connection
}
EOF

启动代理和客户端：

caddy run --config ~/burp-mcp/Caddyfile &
codex

使用不同的客户端

Codex CLI

  • 将 ~/.codex/config.toml 按上文配置。
  • 运行 codex，然后执行 /mcp 以验证 Burp 工具列表。

Gemini CLI

该 burp-mcp-agents 仓库提供启动器辅助脚本：

source /path/to/burp-mcp-agents/gemini-cli/burpgemini.sh
burpgemini

Ollama (local)

使用提供的 launcher helper 并选择一个本地模型：

source /path/to/burp-mcp-agents/ollama/burpollama.sh
burpollama deepseek-r1:14b

Example local models and approximate VRAM needs:

  • deepseek-r1:14b (~16GB VRAM)
  • gpt-oss:20b (~20GB VRAM)
  • llama3.1:70b (48GB+ VRAM)

Prompt pack for passive review

The burp-mcp-agents repo includes prompt templates for evidence-driven analysis of Burp traffic:

  • passive_hunter.md: 用于广泛的被动漏洞发现。
  • idor_hunter.md: 检测 IDOR/BOLA、object/tenant 漂移和 auth mismatches。
  • auth_flow_mapper.md: 比较已认证与未认证路径。
  • ssrf_redirect_hunter.md: 来自 URL fetch 参数/重定向链的 SSRF/open-redirect 候选项。
  • logic_flaw_hunter.md: 多步骤逻辑缺陷。
  • session_scope_hunter.md: token audience/scope 滥用。
  • rate_limit_abuse_hunter.md: 限流/滥用 缺口。
  • report_writer.md: 以证据为中心的报告生成。

Optional attribution tagging

要在日志中标记 Burp/LLM 流量，请添加一个 header rewrite（proxy 或 Burp Match/Replace）：

Match:   ^User-Agent: (.*)$
Replace: User-Agent: $1 BugBounty-Username

安全注意事项

  • 当流量包含敏感数据时，优先使用 本地模型。
  • 只共享得出结论所需的最少证据。
  • 将 Burp 保持为事实来源；将模型用于 分析与报告，而不是扫描。

Burp AI Agent (AI 辅助分诊 + MCP 工具)

Burp AI Agent 是一个 Burp 扩展，将本地/云 LLMs 与被动/主动分析（62 个漏洞类别）结合，并暴露 53+ MCP 工具，使外部 MCP 客户端能够编排 Burp。要点：

  • Context-menu triage：通过 Proxy 捕获流量，打开 Proxy > HTTP History，右键单击某个请求 → Extensions > Burp AI Agent > Analyze this request，以生成与该请求/响应绑定的 AI 聊天。
  • Backends（可为每个 profile 选择）：
    • 本地 HTTP：Ollama, LM Studio。
    • 远程 HTTP：OpenAI-compatible 端点（base URL + model name）。
    • 云 CLI：Gemini CLI (gemini auth login), Claude CLI (export ANTHROPIC_API_KEY=... or claude login), Codex CLI (export OPENAI_API_KEY=...), OpenCode CLI (provider-specific login)。
  • Agent profiles：prompt 模板会自动安装到 ~/.burp-ai-agent/AGENTS/；将额外的 *.md 文件放入该目录以添加自定义分析/扫描行为。
  • MCP server：通过 Settings > MCP Server 启用，以将 Burp 操作暴露给任何 MCP 客户端（53+ 工具）。可以通过编辑 ~/Library/Application Support/Claude/claude_desktop_config.json（macOS）或 %APPDATA%\Claude\claude_desktop_config.json（Windows）来将 Claude Desktop 指向该服务器。
  • Privacy controls：STRICT / BALANCED / OFF 会在发送到远程模型之前对敏感请求数据进行脱敏；在处理秘密时优先使用本地后端。
  • Audit logging：JSONL 日志对每条记录使用 SHA-256 完整性哈希，提供防篡改的 AI/MCP 操作可追溯性。
  • Build/load：下载发布的 JAR 或使用 Java 21 构建：
git clone https://github.com/six2dez/burp-ai-agent.git
cd burp-ai-agent
JAVA_HOME=/path/to/jdk-21 ./gradlew clean shadowJar
# load build/libs/Burp-AI-Agent-<version>.jar via Burp Extensions > Add (Java)

操作注意：除非启用 privacy mode，否则 cloud backends 可能会 exfiltrate session cookies/PII；MCP 暴露会授予对 Burp 的远程编排，因此应将访问限制为受信任的 agents 并监视 integrity-hashed audit log。

References

Tip

学习和实践 AWS 黑客技术：HackTricks Training AWS Red Team Expert (ARTE)
学习和实践 GCP 黑客技术：HackTricks Training GCP Red Team Expert (GRTE) 学习和实践 Azure 黑客技术：HackTricks Training Azure Red Team Expert (AzRTE)

支持 HackTricks