Burp MCP：LLM 辅助的流量审查

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

概览

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，使它们能够对真实的请求/响应进行推理，用于被动漏洞发现和报告撰写。目标是以证据为驱动的审查（不进行 fuzzing 或 blind scanning），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 暴露拦截到的流量。
  • MCP proxy JAR 将 stdio（客户端）与 Burp 的 MCP SSE endpoint 桥接。
  • Optional local reverse proxy（Caddy）对 headers 进行标准化以满足严格的 MCP 握手校验。
  • Clients/backends: Codex CLI (cloud), Gemini CLI (cloud), or Ollama (local).

设置

1) Install Burp MCP Server

从 Burp BApp Store 安装 MCP Server，并确认其正在监听 127.0.0.1:9876。

2) Extract the proxy JAR

在 MCP Server 选项卡中，点击 Extract server proxy jar 并保存为 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"]

我需要 src/AI/AI-Burp-MCP.md 的文本才能进行翻译。请把该文件内容粘贴过来。

另外，“run Codex”你是希望我：

  • 用 Codex 模型现实调用并运行脚本（我无法直接调用或执行外部模型/代码），还是
  • 模拟/以 Codex 风格生成 MCP 工具清单？

确认后我会按你最初的要求翻译文件（保留所有 markdown/html/tags/路径不翻译）并列出 MCP 工具。

codex
# inside Codex: /mcp

4) 修复使用 Caddy 的严格 Origin/header 验证（如有需要）

如果 MCP 握手因严格的 Origin 校验或额外的 headers 而失败，使用本地 reverse proxy 将 headers 规范化（这与 Burp MCP 严格验证问题的解决方法一致）。

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 proxy 和 client:

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

使用不同的客户端

Codex CLI

  • 将 ~/.codex/config.toml 配置为如上所示。
  • 运行 codex，然后执行 /mcp 来验证 Burp 工具列表。

Gemini CLI

该 burp-mcp-agents repo 提供启动器辅助脚本：

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

Ollama (本地)

使用提供的启动器助手并选择一个本地模型：

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

示例本地模型及大致 VRAM 需求：

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

被动审查的 Prompt 包

仓库 burp-mcp-agents 包含用于基于证据分析 Burp 流量的 prompt 模板：

  • passive_hunter.md: 广泛的被动漏洞发现。
  • idor_hunter.md: IDOR/BOLA/对象或租户漂移及认证不匹配。
  • 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 的 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编写。

可选的归因标记

要在日志中为 Burp/LLM 流量打标签，可添加头部重写（代理或 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 local models。
  • 仅分享达成结论所需的最低证据。
  • 将 Burp 作为事实来源；将模型用于分析与报告，而非扫描。

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