1. 为什么要在 Kali 里用 MCP 协议驱动 AI 做渗透MCP 协议Model Context Protocol简单说就是给 AI 装了一双能操作外部工具的手。以前我们用 AI 写渗透思路它只能给你一段命令让你自己复制到 Kali 里跑现在通过 MCPAI 可以直接调用 Kali 上的 nmap、sqlmap、gobuster 这些工具把「扫描—分析—再扫描」的循环自动串起来。这套方案适合已经装好 Kali、想用自然语言驱动渗透流程的安全学习者也适合想把重复性信息收集工作交给 AI 的渗透测试人员。我这次落地的架构是双服务端Windows 侧跑mcp_server.py作为 AI 接口层负责工具注册和参数处理Kali 侧跑kali_server.py作为执行层负责真正执行命令并返回 JSON 结果。两者之间走 HTTP REST 通信。AI 客户端CodeBuddy、Claude Code 等支持 MCP 的工具通过 stdio 连接mcp_server.py再由它转发到 Kali 的 5000 端口。整个链路里TaoToken 承担的是统一 Key 和 API 通道的角色——你不需要在多个 AI 工具里分别配 Key一个 Key 就能让工具链里的模型调用走同一条通道config.toml 里改一处就行。下面我会把 config.toml 骨架、MCP 服务端配置片段、连通性验证和一次自动化渗透触发动作完整交付出来你照着改 IP 和路径就能跑。2. TaoToken 前置准备统一 Key 与 API 通道在动手配 MCP 之前先把 TaoToken 的 Key 拿到手这是后面 config.toml 里要填的核心字段。访问官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册后进控制台在 API Keys 页面创建一个新 Key。建议按项目命名比如kali-mcp方便后面在多个工具间区分。创建完 Key 后API 端点用 https://taotoken.net/api 这个基础地址不要带任何多余路径。TaoToken 在这里的作用是统一通道你的 CodeBuddy、Claude Code、以及后面可能加的其它 MCP 客户端都指向同一个 base_url 和同一个 Key省去每个工具单独配一遍的麻烦。如果你后面要跑长期编码或 Agent 任务可以在控制台看 Coding Plan 的额度情况只是验证模型通不通用模型对话页面发一条测试消息就行。拿到 Key 之后先别急着写 config.toml先在终端里用 curl 验证一下通道是否通curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer sk-你的Key \ -H Content-Type: application/json \ -d { model: gpt-4o-mini, messages: [{role: user, content: ping}] }返回里有choices字段就说明 Key 和通道都正常。这一步很关键因为后面 MCP 报错时你要能快速判断是通道问题还是 MCP 配置问题。如果这里就 401先去控制台确认 Key 有没有复制全、有没有被禁用。3. 可复制的 config.toml 骨架与 MCP 服务端配置MCP 客户端的配置文件格式各家略有差异但核心字段一致。下面这份 config.toml 骨架是我实测能跑通的版本你重点改三个地方command指向你的 Python 路径、args里的mcp_server.py全路径、以及--server后面的 Kali IP。# config.toml - MCP 客户端配置骨架 [mcp_servers.kali_mcp] type stdio command python timeout 180 [mcp_servers.kali_mcp.args] server_script F:/AI/mcp_server.py kali_endpoint http://192.168.75.132:5000/ [mcp_servers.kali_mcp.env] TAOTOKEN_API_KEY sk-你的Key TAOTOKEN_BASE_URL https://taotoken.net/api如果你用的客户端是 JSON 格式比如 CodeBuddy等价写法如下{ mcpServers: { kali_mcp: { timeout: 180, type: stdio, command: python, args: [ F:\\AI\\mcp_server.py, --server, http://192.168.75.132:5000/ ], env: { TAOTOKEN_API_KEY: sk-你的Key, TAOTOKEN_BASE_URL: https://taotoken.net/api } } } }路径这里有个坑Windows 下 JSON 里必须用双反斜杠\\或正斜杠/单反斜杠会被转义。Kali 的 IP 用ip addr查NAT 模式下通常是 192.168.x.x 段。Kali 侧的kali_server.py启动命令cd /root/mcp-kali python3 kali_server.py看到Running on http://0.0.0.0:5000就说明执行层起来了。mcp_server.py里的工具注册片段长这样你可以照着加自己的工具mcp.tool() def nmap_scan(target: str, ports: str 1-1000) - dict: Nmap 网络扫描工具 return kali_client.safe_post(api/tools/nmap, { target: target, ports: ports })对应的 Kali 端点app.route(/api/tools/nmap, methods[POST]) def nmap_scan(): data request.json cmd [nmap, -sS, -p, data[ports], data[target]] result executor.execute_command(cmd, timeout300) return jsonify(result)4. 连通性验证与一次自动化渗透触发配置写完后先做三层验证别一上来就跑完整流程。第一层验证 Kali 执行层是否活着curl -X POST http://192.168.75.132:5000/api/tools/server_health返回{status: ok}说明 Kali 侧正常。第二层验证 MCP 接口层能否转发。在 Windows 终端里直接跑一次 mcp_server.py 的测试调用python F:/AI/mcp_server.py --server http://192.168.75.132:5000/ --test nmap_scan --target 192.168.75.1 --ports 22,80如果返回扫描结果 JSON说明 AI 接口层到执行层的链路通了。第三层在 AI 客户端里发自然语言指令。我用的是 DC-1 靶机做验证指令是对 192.168.75.130 做一次快速资产发现先子域名枚举再端口扫描最后用 nuclei 扫一遍常见漏洞把结果整理成表格。AI 会依次调用subfinder_enum→naabu_scan→nuclei_scan整个过程大约 15 分钟。触发动作的关键是让 AI 明确「先做什么、再做什么」否则它可能只调一个工具就停。实测下来把流程拆成三步描述AI 的调用链最稳定。验证成功的标志是 AI 返回的表格里有真实的端口、服务版本和漏洞编号而不是泛泛的「建议你扫描」。如果它只给建议不调工具说明 MCP 连接没生效回到第二层检查。5. 本篇常见错排查Python MCP 包安装失败报No matching distribution found for mcp基本是 Python 版本低于 3.10。用py -3.13 -m pip install mcp指定版本装或者用绝对路径C:\...\Python313\python.exe -m pip install mcp。环境变量里只能留一个 Python 版本多版本共存必冲突。Kali 软件源 GPG 密钥错误报NO_PUBKEY执行sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys ED65462EC8D5E4C5然后重写 sources.list 加上signed-by字段。APT 进程锁冲突报无法获得锁 /var/lib/dpkg/lock-frontend先ps aux | grep apt找到进程号sudo kill -TERM 进程号再删锁文件sudo rm -f /var/lib/dpkg/lock-frontend最后sudo dpkg --configure -a修复。MCP 连接成功但 AI 不调工具检查 config.toml 里timeout是否够大nmap 全端口扫描可能超过 180 秒。另外确认--server地址末尾有斜杠少了斜杠部分客户端会拼错路径。Kali 执行层返回超时kali_server.py里execute_command的 timeout 默认 300 秒masscan 全端口可能不够改成 600。同时确认 Kali 防火墙没拦 5000 端口。6. 接入文档与后续工具链整套流程跑通后你手里就有了一条「自然语言 → MCP → Kali 工具」的自动化链路。后续要加新工具只需要在mcp_server.py里注册一个mcp.tool()函数在kali_server.py里加一个对应的 Flask 端点然后在 config.toml 里不用改任何东西——工具会自动出现在 AI 的可调用列表里。如果你在接入过程中遇到 Key 或通道问题直接去 API Keys 页面重新生成一个对比测试想先验证模型对话是否正常用模型对话页面发一条消息最快打算把这条链路用于长期编码或 Agent 任务可以在控制台看 Coding Plan 的额度配置。接入文档里有完整的端点和参数说明config.toml 的字段含义也在里面。最后提醒一句这套环境只在你自己拥有或获得书面授权的靶机上跑。DC-1、DVWA 这类本地靶机是练手的最佳选择别把目标指向任何未授权的地址。
