Integrace OpenCTI MCP Serveru

Co dělá “OpenCTI” MCP Server?

OpenCTI MCP Server je server Model Context Protocol (MCP), který umožňuje bezproblémovou integraci s platformou OpenCTI (Open Cyber Threat Intelligence). Tím, že funguje jako most mezi AI asistenty a databází threat intelligence OpenCTI, umožňuje AI klientům dotazovat se, získávat a pracovat s daty kybernetické threat intelligence pomocí standardizovaného rozhraní. Tento server usnadňuje úkoly, jako je vyhledávání informací o malwaru, dotazování na indikátory kompromitace, správa uživatelů a skupin a práce se soubory. Vývojáři jej mohou využít k automatizaci bezpečnostních workflow, obohacení výstupů LLM o aktuální data o hrozbách a zjednodušení přístupu k akčně využitelné threat intelligence v rámci vývoje i provozu.

Seznam šablon promptů

V repozitáři ani v dokumentaci nejsou uvedeny žádné šablony promptů.

Seznam zdrojů

V dostupné dokumentaci ani v souborech repozitáře nejsou popsány žádné explicitní zdroje.

Seznam nástrojů

V dokumentaci ani v kódu není uveden žádný konkrétní nástroj. Dokumentace popisuje pouze obecné funkce a možnosti API, ale nevypočítává MCP nástroje ani jejich podpisy.

Příklady využití tohoto MCP serveru

• Automatizace threat intelligence: Automatizujte získávání a analýzu nejnovějších reportů threat intelligence, indikátorů kompromitace, informací o malwaru a útočnících z OpenCTI a umožněte tak proaktivní bezpečnostní operace.
• Integrace bezpečnostních operací: Propojte se SOC nástroji, aby AI agenti mohli získávat informace o kampaních, seznamy vzorců útoků a poskytovat využitelné poznatky týmům incident response.
• Správa uživatelů a skupin: Použijte AI asistenty ke správě a výpisu uživatelů či skupin v instanci OpenCTI a podpořte administrativní workflow a audity přístupů.
• Operace s STIX objekty: Dotazujte se a upravujte STIX objekty, jako jsou kampaně a vzorce útoků, přímo z vývojových prostředí nebo automatizovaných workflow.
• Přístup k souborům a referenčním datům: Umožněte AI práci se soubory, definicemi označení a štítky v OpenCTI pro pokročilé obohacování a klasifikaci dat.

Jak nastavit

Windsurf

1. Požadavky: Ujistěte se, že je nainstalován Node.js 16+ a máte přístup k instanci OpenCTI s platným API tokenem.
2. Příprava prostředí: Zkopírujte .env.example na .env a doplňte své přihlašovací údaje k OpenCTI.
3. Konfigurace MCP serveru: Upravte konfigurační soubor MCP Windsurf a přidejte OpenCTI server:

   {
     "mcpServers": {
       "opencti": {
         "command": "node",
         "args": ["path/to/opencti-server/build/index.js"],
         "env": {
           "OPENCTI_URL": "${OPENCTI_URL}",
           "OPENCTI_TOKEN": "${OPENCTI_TOKEN}"
         }
       }
     }
   }
   

4. Uložení a restart: Uložte konfiguraci a restartujte klienta Windsurf.
5. Ověření: Ujistěte se, že je MCP server ve Windsurf dostupný a uvedený.

Claude

1. Požadavky: Nainstalujte Node.js 16+ a získejte API přihlašovací údaje pro OpenCTI.
2. Nastavení prostředí: Zkopírujte .env.example na .env a vyplňte údaje k OpenCTI.
3. Přidání MCP serveru v Claude: Aktualizujte MCP nastavení následovně:

   {
     "mcpServers": {
       "opencti": {
         "command": "node",
         "args": ["path/to/opencti-server/build/index.js"],
         "env": {
           "OPENCTI_URL": "${OPENCTI_URL}",
           "OPENCTI_TOKEN": "${OPENCTI_TOKEN}"
         }
       }
     }
   }
   

4. Restartujte Claude: Uložte konfiguraci a restartujte Claude.
5. Ověření spojení: Ověřte, že je OpenCTI MCP připojen.

Cursor

1. Požadavky: Ujistěte se, že je přítomen Node.js 16+ a máte přístup k OpenCTI.
2. Konfigurace prostředí: Zduplikujte .env.example jako .env a nastavte vaši OpenCTI URL a token.
3. Úprava konfigurace Cursor: Vložte do konfiguračního souboru MCP následující:

   {
     "mcpServers": {
       "opencti": {
         "command": "node",
         "args": ["path/to/opencti-server/build/index.js"],
         "env": {
           "OPENCTI_URL": "${OPENCTI_URL}",
           "OPENCTI_TOKEN": "${OPENCTI_TOKEN}"
         }
       }
     }
   }
   

4. Restartujte Cursor: Uložte a restartujte aplikaci.
5. Ověření: Ověřte, že je OpenCTI MCP server v Cursor funkční.

Cline

1. Požadavky: Instalujte Node.js 16+ a mějte přihlašovací údaje k instanci OpenCTI.
2. Nastavení environmentálního souboru: Zkopírujte .env.example na .env a aktualizujte s vašimi hodnotami.
3. Konfigurace Cline MCP: Přidejte OpenCTI MCP do konfigurace:

   {
     "mcpServers": {
       "opencti": {
         "command": "node",
         "args": ["path/to/opencti-server/build/index.js"],
         "env": {
           "OPENCTI_URL": "${OPENCTI_URL}",
           "OPENCTI_TOKEN": "${OPENCTI_TOKEN}"
         }
       }
     }
   }
   

4. Restartujte Cline: Uložte konfiguraci a restartujte Cline.
5. Ověření: Zkontrolujte, že se OpenCTI MCP zobrazuje dle očekávání.

Zabezpečení API klíčů (platí pro všechny platformy)

• Vždy používejte environmentální proměnné pro ukládání citlivých API údajů. Ukázka konfigurace:

  {
    "mcpServers": {
      "opencti": {
        "command": "node",
        "args": ["path/to/opencti-server/build/index.js"],
        "env": {
          "OPENCTI_URL": "${OPENCTI_URL}",
          "OPENCTI_TOKEN": "${OPENCTI_TOKEN}"
        }
      }
    }
  }
  

Jak použít tento MCP ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho workflow ve FlowHunt začněte přidáním MCP komponenty do flow a jejím propojením s AI agentem:

Klikněte na MCP komponentu pro otevření panelu konfigurace. V sekci systémové MCP konfigurace vložte údaje o vašem MCP serveru v tomto JSON formátu:

{
  "opencti": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po nakonfigurování může AI agent tento MCP používat jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “opencti” na skutečný název vašeho MCP serveru a nahradit URL adresou vašeho MCP serveru.

Přehled

Podle dostupné dokumentace a kódu nabízí OpenCTI MCP Server jasný přehled a robustní instrukce k nastavení, ale chybí explicitní detaily o zdrojích, promtech, nástrojích a pokročilých MCP funkcích jako sampling nebo roots konfigurace.

Náš názor

Na základě dostupných údajů tento MCP server poskytuje dobrý základ pro integraci OpenCTI a má solidní postupy nastavení a zabezpečení, ale chybí transparentnost ohledně MCP-specifických funkcí (jako nástroje, zdroje, prompty a sampling). Proto hodnotíme tuto MCP implementaci na 5/10 z hlediska celkové úplnosti a použitelnosti pro LLM integraci.

MCP skóre