BruceSec平台整合实践——能力中心实战

BruceSec 平台整合实践 —— 能力中心实战

系列：BruceSec 平台整合实践
期号：第 4 期
主题：能力中心实战 —— MCP × 技能 × 智能体 × 角色，从「工具能用」到「能力可编排」
环境：macOS / BruceSec（基于 CyberStrikeAI 二次开发）· 本地 8080 服务

一、为什么需要能力中心

前三期我们完成了平台总览与工具生态整合、资产与信息收集、工作流编排实战。但"工具接入了平台"只是起点，真正决定平台战斗力的，是能力如何被组织、被调度、被授权：

• 106 个工具配方注册进 MCP 之后，哪些真正可用？哪些缺依赖跑不起来？
• 大模型面对数百个工具，怎么动态挑选而不是每次全量塞进上下文？
• 一次渗透任务涉及侦察、漏洞利用、权限提升、横向移动、报告撰写，谁来分工、谁来监督？
• 不同角色（默认 / 渗透测试 / 内网资产搜集）能调用哪些工具、触发哪些工作流，如何隔离？

这些问题的答案，都沉淀在平台的能力中心版块。本期基于平台真实界面与真实运行数据，拆解 MCP、技能、智能体、角色、知识五层能力体系。

图 1：平台仪表盘（工作台首页）。展示运行中对话、漏洞统计、工具调用成功率与调用次数分布，是能力中心的运行总览。

二、能力中心整体架构：五层能力模型

平台「能力中心」一级版块下辖 MCP、知识、技能、智能体、角色五个子版块，对应五层能力：

主配置 [项目根目录]/config.yaml 中对应：

skills_dir: skills/        # 325 个技能
agents_dir: agents/        # 16 个智能体定义
roles_dir:  roles/         # 15 个角色 yaml
multi_agent:
  enabled: true            # 多代理协作开启
  default_mode: eino_single
  modes: [eino_single, deep, plan_execute, supervisor]
knowledge:
  enabled: true
  embed_model: BAAI/bge-m3
  top_k: 5
  similarity_threshold: 0.4
mcp:
  tool_search:             # 动态工具检索
    enable_dynamic_unlock: true   # ≥20 工具启用即触发
    resident_whitelist: 12        # 12 个常驻白名单工具

这套设计回答了一个核心问题：当平台拥有数百个工具与技能时，如何让 AI 只"看见"它当下需要的——动态解锁 + 常驻白名单 + 技能分类 + 角色过滤，构成完整的能力路由链路。

三、MCP：工具接入与运行监控

3.1 从配方到工具

平台 tools/ 目录维护 106 个 .yaml 配方（系统自动加载全部 yaml/yml），每个配方定义一种外部工具的接入方式：

配方覆盖面覆盖完整攻击链：信息收集（amass、subfinder、fofa/quake/zoomeye/shodan）、扫描（nmap、masscan、fscan、nuclei、ffuf、gobuster）、漏洞利用（sqlmap、hydra、metasploit、msfvenom）、逆向（radare2、gdb、angr）、云安全（prowler、scout-suite）、密码（hashcat、john）、取证（volatility3、foremost）、内网（bloodhound、responder、impacket）等。

3.2 运行状态与监控

图 2：MCP 状态监控。展示 159 次工具调用的成功率 44.6%、Top 工具排行、调用趋势与执行记录，Top 6 工具占调用量 79.9%。

图 3：MCP 管理。161 个工具中启用 152 个、常驻 49 个，涵盖 nmap、nuclei、hydra、metasploit、fscan 及 C2 系列内置工具；下方为外部 MCP 配置区（reverse-shell）。

监控面板反映真实运行数据：工具调用成功率 44.6%，Top 6 工具贡献了 79.9% 的调用量（exec、nmap 等居前）——这与"少量高频工具承担大部分日常作业"的真实使用形态一致。tool_executions / tool_stats 表记录每次执行的 arguments / status / duration_ms / partial_output 截断，供后续可用性分析与复盘。

3.3 可用性核验：知道哪些工具"真的能跑"

平台曾在 8 月 17 日做过一次工具可用性核验：遍历 tools/*.yaml 的 command 字段，以平台进程 PATH（含 /opt/homebrew/bin）执行 command -v 逐一验证，结论：

• 当时注册工具 96 个：实际可用 77、不可用 19；
• 可用代表：amass、nmap、masscan、fscan、nuclei、sqlmap、hydra、metasploit、msfvenom、hashcat、john、ffuf、gobuster、dirsearch、dalfox、subfinder、prowler、trivy、volatility3、pacu、radare2、responder、impacket；
• 不可用 19 个多为缺依赖或仅 Windows 平台：ghidra、zap、wpscan、netexec、clair、falco、steghide、zsteg、dnsenum、kube-bench、kube-hunter 等。

核验的意义在于：工具注册 ≠ 工具可用。有了这份清单，工作流与角色配置可以主动规避不可用工具，把失败率从源头降下来——这也是图 2 中 44.6% 成功率背后的优化抓手之一。

四、技能：325 个 Skills 的资产化

图 4：技能管理。324 个 Skills 列表，展示技能名称、描述、分类标签与文件映射（如持久化类技能关联 net user 等工具）。

平台 skills/ 目录维护 325 个技能，界面展示 324 项，每个技能包含描述与分类标签，例如 401-403-bypass-techniques（Web 鉴权绕过）、account-persistence（持久化）等。技能与工具的关联（如持久化技能关联 net user）意味着：技能不只是文档，而是**"场景 + 工具组合"的封装**，AI 在对话中命中技能场景时可直接获得工具调用指引。

skill_stats 表记录技能使用统计，skills_dir 配置决定加载目录——新增技能只需投放 yaml/md 文件即自动注册，无需改代码。

五、智能体：3 主代理 + 13 子代理

图 5：智能体管理。Agent 列表共 16 个：3 个主代理（Plan-Execute 规划主代理、Supervisor 监督主代理、Deep 协调主代理）+ 13 个子代理，展示角色类型、定义文件与 ID。

多代理体系是平台"能力编排"的大脑：

• 3 个主代理：Plan-Execute（规划-执行）、Supervisor（监督调度）、Deep（深度协调），对应 multi_agent 的三种协作模式；
• 13 个子代理：侦察、渗透测试、权限提升、内网横向、持久化、报告撰写等，每个子代理由 agents/ 下的 yaml + 说明文档定义；
• 调度机制：默认 eino_single 模式；复杂任务可切 plan_execute（先规划再执行）或 supervisor（监督者分发子任务）；全局最大迭代 12000 次、工具超时 60 分钟，长任务 300s 转后台（execution_id 机制）不阻塞会话。

子代理与第 3 期工作流的 agent 节点共用同一套定义：同一智能体既可在对话中直接协作，也可作为工作流节点被编排，能力一次定义、多处复用。

六、角色：RBAC 权限模型

图 6：角色管理。角色卡片列表 14 个：默认、二进制分析、后渗透测试、内网资产搜集、容器安全、渗透测试、数字取证、云安全审计、CTF、Web 框架测试等，含角色说明与工具权限（多数为"使用所有工具"）。

角色层解决"谁能干什么"：

• 14-15 个预设角色：覆盖默认、渗透测试、内网资产搜集、API 安全测试、CTF、Web 应用扫描、云安全审计、容器安全、后渗透测试、数字取证、二进制分析等场景，定义在 roles/*.yaml；
• 工具权限：多数角色授予"使用所有工具"，部分角色限定工具集；
• 工作流绑定：角色可绑定 workflow_id + workflow_policy（如内网资产搜集角色绑定 intranet-asset-discovery 自动触发），把第 3 期的工作流能力挂到角色权限体系上；
• 数据模型：rbac_users / rbac_roles / rbac_permissions / rbac_role_permissions / rbac_user_roles / rbac_resource_assignments 六张表构成完整 RBAC 体系，用户-角色-权限-资源四级授权。

七、知识库：88 项知识 + RAG

图 7：知识管理。知识库 88 项知识、7 个分类（Prompt Injection、SQL Injection、spear、tscanplus、本地工具库等），索引构建完成，支持分类筛选与搜索。

知识层为 AI 提供"记忆外的专业背景"：

• knowledge.db（28MB）存 knowledge_base_items（知识条目）、knowledge_embeddings（向量）、knowledge_retrieval_logs（检索日志）；
• 嵌入模型 BAAI/bge-m3（硅基流动通道），Top-K 5、相似度阈值 0.4、chunk 512 / 重叠 50，支持多查询改写 + rerank，检索质量优先；
• 知识分类与实际工作强相关：Prompt Injection、SQL Injection、spear 等攻击模式，以及本地工具库使用说明——把 16 分类、8.3 万文件的本地工具库沉淀为可检索的知识资产。

八、实战拆解：一次红队任务的五层能力流转

以一次典型的内网资产搜集任务为例，五层能力如何协同：

用户：扫描内网网段，找出 8080 端口的服务
  ↓ 角色层：命中「内网资产搜集」角色（工具集 + 工作流绑定）
  ↓ 工作流层：auto 触发 intranet-asset-discovery（第 3 期已实战）
  ↓ 智能体层：parse_params Agent 解析参数 → nmap 工具节点执行
  ↓ 工具层：MCP 动态解锁 nmap（工具配方，T0-T5 模板），execution_id 追踪
  ↓ 知识层：bge-m3 检索历史扫描经验 / 端口服务知识，辅助结果研判
  ↓ 审计：tool_executions / audit_logs 全链路留痕，供复盘

这条链路展示了能力中心的本质：不是把工具堆在平台上，而是让每一层能力各司其职——角色控制边界、工作流控制流程、智能体控制分工、MCP 控制工具、知识控制背景，五层叠加后，一次复杂任务只需一句自然语言。

九、安全与脱敏说明

• 本期截图均来自平台本地 8080 真实界面，已通过 OCR 与视觉模型双重复核：无「AI 生成」水印、无 IP/主机名/数据库连接串/账号密码等硬敏感信息；面板中的漏洞数、调用成功率等为平台自身运行统计，可安全引用。
• 文中所有本地路径已泛化处理（[项目根目录]），config.yaml 中的 AI/嵌入服务 API Key 已脱敏，外部 MCP 绝对路径不展示。
• 工具可用性清单仅涉及工具名与平台自带命令路径，不涉及目标系统数据。

十、小结

从本期实战可以看到，BruceSec 的「能力中心」不是简单的功能聚合页，而是一套完整的平台级能力治理体系：

• 工具层：106 个配方注册 161 个工具，动态解锁 + 常驻白名单控制上下文开销，可用性核验保障"注册即能用"；
• 技能层：325 个 Skills 把"场景 + 工具组合"封装为可复用资产；
• 智能体层：3 主代理 + 13 子代理，eino_single / deep / plan_execute / supervisor 多模式分工；
• 角色层：RBAC 四级授权 + 工作流绑定，权限与自动化合一；
• 知识层：bge-m3 + rerank 的 RAG 管道，把本地 8.3 万文件工具库沉淀为可检索知识。

五层能力合在一起，回答了"数百个工具如何被组织、调度、授权、记忆"的平台级问题。下一期我们将继续深入平台其他版块，把更多安全运营场景沉淀为可复用的自动化流水线。