星战科技xingzhan.cloud
返回市场
安全架构师MCP服务器

安全架构师MCP服务器

作者：flying-coyote0 星标更新：2025-11-20
安装使用来源：spider==github.com

项目介绍

安全架构决策 MCP 服务器

创建日期: 2025-10-14 状态: 第二阶段完成，测试套件100%通过 - 生产就绪 最后更新日期: 2025-11-13 目的: 用于网络安全架构师的AI驱动交互式决策支持工具

🚀 2025 MCP 最佳实践实施

此MCP服务器实现了2025年的尖端模式以达到最佳性能和安全性：

  • 98.7%令牌减少: 代码执行模式允许代理编写代码而不是顺序调用工具
  • 90%上下文减少: 进阶工具发现按需加载工具，而非一次性加载
  • 容器化: Docker部署减少了60%的部署问题
  • 无服务器准备: 可流式传输的HTTP传输支持AWS Lambda/Cloud Run部署
  • 安全加固: 五层防御机制对抗Backslash Security漏洞

愿景

将《现代数据堆栈应用于网络安全》一书中的决策框架从静态内容转变为一个互动的、AI驱动的架构决策支持工具，帮助架构师在30分钟的引导对话中从80多个平台中筛选出3-5个个性化的最终候选者。

功能

对于网络安全架构师：

  • 与Claude进行引导对话，识别适合您组织的安全数据平台
  • 交互式应用第3-4章的决策框架（无需手动撰写40页的RFP）
  • 获得包含权衡分析的个性化架构推荐报告
  • 根据您的约束条件（团队规模、预算、合规性、供应商偏好）获得3-5个最终候选供应商

示例对话：

架构师: "我需要帮助选择一个安全数据平台"

Claude: "我连接到了《现代数据堆栈应用于网络安全》的决策框架。
让我们找到适合您组织的平台。

首先，您的安全团队中有多少数据工程师？"

架构师: "我们有0名专职数据工程师。我们的团队由15名SOC分析师组成。"

Claude: "明白了。0-1名数据工程师意味着我们将优先考虑操作简便性。
我正在过滤掉自托管平台如Trino集群...

[MCP工具: filter_vendors(team_capacity="0-1")]
[结果: 80个供应商 → 24个可行候选]

接下来，您的年度安全数据平台预算是多少？"

架构师: "每年30万到50万美元"

Claude: "预算低于50万美元意味着企业级SIEM每GB定价可能成本过高。
应用成本过滤器...

[MCP工具: filter_vendors(budget="<500K")]
[结果: 24个供应商 → 12个可行候选]

让我们继续讨论数据主权要求..."

成果: 15-30分钟的对话产生了一个包含3-5个最终候选供应商、POC评估标准、TCO预测以及权衡分析的个性化架构推荐报告。

战略价值

对于架构师

  • 节省时间: 30分钟对比2-4周的手动供应商评估
  • 决策信心: 基于证据的过滤，经书籍研究验证
  • 个性化: 针对您的约束条件，而非通用的最佳实践
  • 风险缓解: 权衡分析文档防止买方后悔

对于书籍项目

  • 动态验证: 捕捉实际架构决策，验证假设
  • 内容生成: 决策对话 → 博客文章、案例研究
  • 社区参与: 互动工具构建书籍社区
  • 差异化: “首个带有AI决策支持伴侣的网络安全架构书籍”

对于研究组合

  • 约束发现: 哪些组织约束最重要？
  • 供应商格局演变: 跟踪哪些供应商获得或失去牵引力
  • 假设精炼: 现实世界验证书籍中的29个假设

MCP 架构

资源（暴露给Claude的数据）

  1. 供应商数据库: 9类别的71个安全数据平台及其能力矩阵
    • 110个证据来源（84%为A级质量 = 92个A级来源）
    • 46.5%的分析师覆盖（33个供应商拥有Gartner MQ/Forrester Wave）
    • 35.2%的生产验证（25个开源供应商在财富500强公司部署）
  2. 决策状态: 当前架构师的对话进度（会话持久性）
  3. 章节框架: 书籍第3-4章的决策树逻辑

工具（可由Claude调用的功能）

核心工具（始终加载）：

  1. search_tools() 🆕: 进阶发现 - 搜索工具而无需一次性加载所有80多个（90%上下文减少）
  2. execute_vendor_analysis() 🆕: 复杂工作流程的代码执行（98.7%令牌减少）
  3. filter_vendors_tier1(): 应用强制性的组织过滤器（团队、预算、主权）
  4. apply_foundational_filters(): 第一阶段基础架构过滤

按需工具（根据需要加载）： 5. list_vendors(): 按类别浏览71个供应商 6. score_vendors_tier2(): 根据偏好能力对供应商评分，权重1-3 7. generate_architecture_report(): 生成8-12页的Markdown推荐报告 8. match_journey_persona(): 匹配第4章旅程（Jennifer/Marcus/Priya） 9. calculate_tco(): 计算5年总拥有成本 10. compare_vendors_tco(): 比较多个供应商的TCO 11. generate_poc_test_suite(): 生成特定供应商的POC测试计划

决策流程: 第一阶段（基础）→ 第二阶段（组织约束）→ 第三阶段（功能偏好）→ 报告

提示（预写模板）

  1. 决策访谈: 12步引导问卷，第一阶段基础问题（表格格式，目录，转换，查询引擎）在组织约束之前询问
  2. 旅程匹配: 解释人物匹配和架构模式

实施路线图

第一阶段：核心决策树（第1-2个月） - ✅ 完成

交付物：

  • ✅ MCP服务器基本结构（Python 3.10+，MCP SDK 1.2.0+）
  • ✅ 供应商数据库（9类别的71个供应商，基于证据）
  • ✅ 决策访谈提示（12步引导对话）
  • ✅ 过滤/评分工具（第3章的第1-2级逻辑）
  • ✅ 架构报告生成器（8-12页Markdown输出）
  • ✅ 旅程匹配工具（Jennifer/Marcus/Priya人物）

完成日期: 2025年10月23日

成就：

  • 144项测试通过，87%代码覆盖率
  • 7个MCP工具运行（列表、过滤、评分、报告、旅程、TCO计算器、TCO比较）
  • 71个供应商具备全面的能力矩阵（25+维度）
  • 110个证据来源（84%为A级质量 = 92个A级来源）
  • 46.5%的分析师覆盖，35.2%的生产验证
  • 完整决策流程：约束 → 过滤 → 评分 → 报告 → 旅程匹配 → TCO分析
  • 18,000字的供应商规范文档
  • 5年TCO预测，包括平台/运营/隐性成本分解
  • 生产部署验证（Claude Desktop集成正常工作）

第二阶段：动态文献回顾整合（第3-4个月） - ✅ 完成

交付物：

  • ✅ 成本计算器工具（5年TCO预测，含增长模型）
  • ✅ 供应商数据库扩展（54 → 71个供应商，第2阶段新增6个）
  • ✅ 分析师证据增强（110个来源，84%为A级质量）
    • 第一阶段：18个商业领导者（Gartner MQ，Forrester Wave）
    • 第二阶段：10个中等优先级商业供应商
    • 第三阶段：24个开源供应商（生产部署，采用度量）
    • 第2阶段：证据补全（纠正了79个供应商级别的来源）
  • ✅ 自动化流水线（每周刷新，每月GitHub指标跟踪）
  • ✅ MCP服务器生产部署（验证在Claude Desktop中正常工作，第3阶段）
  • ⏳ 假设验证流水线（推迟至第三阶段）

完成日期: 2025年10月23日

进展: 6个核心交付物中的5个已完成

第三阶段：博客整合及内容生成（第5-6个月）

交付物：

  • 博客文章生成器（决策对话 → 匿名案例研究）
  • POC测试套件生成器
  • 使用案例库整合（检测需求映射）
  • 专家访谈合成器

时间表: 4-5周（总计75-105小时）

项目结构

security-architect-mcp-server/
├── README.md (此文件 - 更新至2025年最佳实践)
├── ULTRATHINK-MCP-SERVER-DESIGN.md (18,000字的综合设计文档)
├── pyproject.toml (Python依赖)
├── Dockerfile 🆕 (生产容器 - 减少60%的部署问题)
├── docker-compose.yml 🆕 (开发/生产编排)
├── src/
│   ├── server.py (主MCP服务器入口点)
│   ├── resources/
│   │   ├── vendor_database.py
│   │   └── decision_state.py
│   ├── tools/
│   │   ├── code_execution.py 🆕 (98.7%令牌减少)
│   │   ├── progressive_discovery.py 🆕 (90%上下文减少)
│   │   ├── filter_vendors.py
│   │   ├── score_vendors.py
│   │   ├── generate_report.py
│   │   ├── calculate_tco.py
│   │   ├── generate_poc_test_suite.py
│   │   └── match_journey.py
│   ├── prompts/
│   │   ├── decision_interview.py
│   │   └── journey_personas.py
│   └── utils/
│       ├── database_loader.py
│       ├── filters.py
│       └── report_generator.py
├── serverless/ 🆕
│   ├── lambda_handler.py (AWS Lambda处理器)
│   └── serverless.yml (Serverless框架配置)
├── data/
│   ├── vendor_database.json (✅ 71个供应商运行)
│   ├── decision_state.json (会话持久性)
│   └── chapter_framework/ (决策树逻辑)
├── tests/
│   ├── test_database_loader.py (✅ 11项测试)
│   ├── test_filter_vendors.py (✅ 20项测试)
│   ├── test_score_vendors.py (✅ 19项测试)
│   ├── test_models.py (✅ 15项测试)
│   └── test_server.py (✅ 15项测试)
└── docs/
    ├── SECURITY-AUDIT-2025.md 🆕 (Backslash Security缓解措施)
    ├── PHASE1-TESTING-GUIDE.md
    ├── SETUP.md
    └── ARCHITECTURE.md

当前状态

阶段: 第二阶段完成 - 生产就绪 ✅ 下一步行动: Beta测试及生产部署

最新成就 (2025年11月13日): 🎉 测试套件完成 - 237/237项测试通过（100%）

  • 系统调试解决了剩余的6项测试失败
  • 修正了供应商数据演进（数据库从64个增加到71个供应商）
  • 修正了渐进发现测试中的模拟对象兼容性
  • 添加了安全内置函数（hasattr, getattr, isinstance）用于代码执行
  • 87%代码覆盖率，1.5秒执行时间
  • 生产就绪，准备进行Beta测试

近期成就 (2025年10月至11月):

  1. ✅ 扩展了供应商数据库（从65个增加到71个供应商）
    • Gurucul下一代SIEM（2025年Gartner MQ领导者）
    • Palo Alto XSIAM（2025年Forrester强劲表现者）
    • SentinelOne Singularity（2025年Gartner终端领导者）
    • Apache Impala, Apache Paimon, Starburst Enterprise
  2. ✅ 完成了证据补全（110个来源，84%为A级质量）
  3. ✅ 自动化运行（每周刷新，每月GitHub指标）
  4. ✅ 验证了MCP服务器生产部署（Claude Desktop正常工作）
  5. ✅ 237项测试通过，87%覆盖率
  6. ✅ 9个MCP工具运行（包括2025年最佳实践）

第一阶段基础过滤 (2025年10月30日):

  • ✅ 添加了apply_foundational_filters()函数（表格格式，目录，转换，查询引擎）
  • ✅ 注册为MCP工具#2（总共9个工具）
  • ✅ 更新了决策访谈，添加了第一阶段的问题（F1-F4），在组织约束之前询问
  • ✅ 向所有71个供应商添加了12个基础能力字段
  • ✅ 新增了16项基础过滤逻辑测试（全部通过）
  • 理由: 博客重新编号揭示了基础决策必须先于实现细节

数据库指标:

  • 总供应商数: 71（全面覆盖安全数据平台）
  • 证据来源: 110（84%为A级 = 92个A级来源）
  • 分析师覆盖: 46.5%（71个供应商中的33个拥有Gartner MQ/Forrester Wave）
  • 生产验证: 35.2%（71个开源供应商中的25个在财富500强公司部署）
  • 类别: 数据生态系统中的9个供应商类别
  • 质量等级: A（优秀） - 92.7/100

状态: 生产就绪，正在进行Beta测试招募

与书籍/博客的整合

书籍手稿整合

附录C: "交互式决策支持工具"

  • Claude Desktop + MCP服务器设置指南
  • 您将获得什么：3-5个供应商短名单，架构报告，TCO预测
  • 开源（Apache 2.0许可证）

第3-4章注释:

  • 边栏注释："想互动地应用这个框架吗？参见附录C"

博客整合

安全数据公共博客:

  • 网址: https://securitydatacommons.substack.com
  • 状态: 43篇帖子（已发布10篇，草稿33篇 #11-43）
  • 发布频率: 每周3次（周一/周三/周五）
  • MCP特色: 第10篇“介绍安全架构决策工具”（2025年10月23日）

内容结构（7波段）:

  • 第一波（#11-16）: 关键架构决策（冰山vs增量，目录选择，dbt，治理）
  • 第二波（#17-21）: LIGER引擎实现（Netflix ClickHouse，Kafka-Iceberg，查询引擎）
  • 第三至第七波（#22-43）: 检测成熟度，OCSF策略，反模式，MLOps，联邦企业

战略洞察: 博客重新编号（2025年10月30日）揭示了基础架构决策（表格格式，目录）必须先于实现细节（查询引擎，路由）。这影响了MCP决策访谈流程设计。

内容管道（第三阶段）:

  1. 架构师完成MCP决策对话
  2. 架构师授权匿名案例研究
  3. MCP工具生成博客文章草稿
  4. 人工编辑审阅并润色
  5. 发布到安全数据公共博客（周五专家见解系列）

目标: 每年从匿名MCP决策中生成10-20篇博客文章，验证博客框架

成功指标

第一阶段成功

  • ✅ 3位测试者成功完成了决策访谈
  • ✅ 供应商格局筛选80 → 3-5个最终候选者
  • ✅ 生成了包含权衡分析的架构报告
  • ✅ 人物匹配准确率超过80%

12个月成功（所有阶段）

  • ✅ 第一年内有50-100位架构师使用MCP
  • ✅ 书籍销售由MCP漏斗推动（转化率超过30%）
  • ✅ 每年从MCP决策中生成10-20篇博客文章
  • ✅ 研究组合丰富（发现5-10个新假设）

快速入门

本地开发

# 克隆仓库
git clone https://github.com/yourusername/security-architect-mcp-server
cd security-architect-mcp-server

# 使用Docker Compose运行（推荐）
docker-compose up

# 或本地运行
pip install -e .
python src/server.py

生产部署选项

选项1: Docker（推荐）

docker build -t security-mcp:latest .
docker run -p 8080:8080 security-mcp:latest

选项2: 无服务器（AWS Lambda）

cd serverless
npm install -g serverless
serverless deploy --stage prod

选项3: Kubernetes

kubectl apply -f k8s/deployment.yaml

测试

✅ **237/2