7,183 嗅探规则 · 11,596 指纹规则 · 60+ 泄露规则

它是什么

Luvv-MCP 是面向 AI agent 的前端安全分析引擎，把站点嗅探、泄露扫描、漏洞审计、指纹识别、资产采集这 5 个能力包成 Model Context Protocol 工具。

接入 Claude Code / Cursor / 任何支持 MCP 的客户端后，你不再需要切换到 Burp/Wappalyzer 之类的 GUI——直接对 AI 说：

"看看 example.com 用了什么技术栈"
"扫描这段 JS 有没有泄露密钥"
"审计 target.com 的前端安全漏洞"

AI 会自己选工具、自己拼参数、自己汇总报告。5 个工具覆盖前端安全的"识别 → 采集 → 审计 → 报告"完整链路。

跟传统前端扫描器相比

维度	传统 GUI 工具	Luvv-MCP
交互方式	点击 / 配置面板	自然语言
数据流	输出 PDF / HTML	结构化 JSON，AI 可二次加工
编排	手动串联	AI 自动选工具 + 拼参数
集成	单独软件	嵌入 Claude Code / Cursor 任意 IDE
规则量	单机内置	7,183 嗅探 + 11,596 指纹 + 60+ 泄露

✨ 五个 MCP 工具

工具	干啥	规则数	何时调
`luvv_site_sniff`	技术栈识别：CMS/框架/JS 库/CDN/安全头	7,183	看到目标先调
`luvv_leak_scan`	泄露扫描：AK/SK/Token/Webhook/JWT/PII	60+	拿到 JS 源码后
`luvv_vuln_audit`	漏洞审计：XSS/重定向/CSRF/IDOR/硬编码	6 类	前置信息齐了后
`luvv_fingerprint_scan`	指纹识别：服务器/中间件/OA/网络设备	11,596	需要设备型号 / 已知漏洞关联时
`luvv_collect_assets`	代码采集：JS + SourceMap 自动还原	—	要做深度审计时

推荐组合：site_sniff → collect_assets → vuln_audit → leak_scan —— AI 知道这个套路，你也可以自己改。

🚀 快速开始

1. 安装

git clone https://github.com/Dest1ny-Sec/Luvv-MCP.git
cd Luvv-MCP
npm install

# 可选：装 Playwright（需要浏览器的工具才用得到）
npm install playwright && npx playwright install chromium

2. 接入 Claude Code

在 ~/.claude.json 的 mcpServers 中添加：

"luvv-mcp": {
  "command": "node",
  "args": ["/path/to/Luvv-MCP/src/index.js"]
}

重启 Claude Code。MCP 面板会显示 luvv-mcp · connected · 5 tools。

3. 接入 Cursor / 其他 MCP 客户端

只要支持 stdio MCP 协议，按各自文档加配置即可。Luvv-MCP 用的是官方 @modelcontextprotocol/sdk，兼容性最广。

4. 用

直接对 AI 说：

你说	AI 调
帮我看看 example.com 用了什么框架	`luvv_site_sniff`
这段 JS 有没有硬编码的密钥	`luvv_leak_scan`（传 source 字段）
全自动审计 target.com	5 个工具串起来

🏗 架构

┌─────────────────────┐
│  Claude Code / MCP  │
│       客户端        │
└──────────┬──────────┘
           │ stdio JSON-RPC
┌──────────▼──────────┐
│    Luvv-MCP       │  ← Node.js 进程（MCP server）
│   src/index.js     │
└──────────┬──────────┘
           │
    ┌──────┼──────┬──────────────┐
    │      │      │              │
┌───▼──┐ ┌─▼───┐ ┌▼────────┐ ┌──▼──────────┐
│sniff │ │leak │ │fingerprint│ │collect_assets│
│7,183 │ │60+  │ │11,596   │ │  (Playwright) │
│规则  │ │规则 │ │规则     │ │              │
└──────┘ └─────┘ └─────────┘ └──────────────┘

3 个核心引擎（同步纯 JS 跑，毫秒级响应）+ 1 个浏览器采集器（按需加载 Playwright）。

安全边界：10MB 单文件上限防 OOM、4MB JSON 输出上限防客户端卡死、SSRF 默认拒绝内网 IP
正则性能：所有 sniff/leak 规则在 init 阶段预编译 + ReDoS 超时保护（单条规则 100ms 上限）
浏览器管理：单例 Chromium，30s 空闲自动关闭，4xx/5xx 错误缓存复用

🛠 开发

npm start                    # 启动 MCP server
npm test                     # 跑 27 个单测 (node --test)
node -e "import('./src/index.js')"   # 验证模块加载

调试技巧：在 src/index.js 顶部加 process.stderr.write('debug...')——MCP 通过 stdio 通信，stderr 不会被客户端解析，会原样打到终端。

新增规则：

嗅探规则 → src/rules/sniff-rules.js
泄露规则 → src/rules/leak-rules.js
指纹规则 → src/rules/fingerprint-rules.js（如已存在）

每条规则形如 { id, pattern, meta, severity }，id 必须在全文件内唯一。

🧰 栈

_{依赖 · @modelcontextprotocol/sdk (MCP 协议) · playwright (可选，浏览器采集)}

🤝 致谢

检测引擎移植自 AegisScope，感谢原作者 农夫三拳。

本项目的 7,183 / 11,596 / 60+ 规则全部继承自 AegisScope 的脱敏检测引擎，剥离了 UI 层、包装了 MCP 协议层。

📜 License

MIT — 自由使用，欢迎二次开发。