OpenCTI MCP Server-integrasjon

Hva gjør “OpenCTI” MCP Server?

OpenCTI MCP Server er en Model Context Protocol (MCP) server som muliggjør sømløs integrasjon med OpenCTI (Open Cyber Threat Intelligence)-plattformen. Ved å fungere som en bro mellom AI-assistenter og OpenCTI trussel-intelligensdatabasen, gjør den det mulig for AI-klienter å forespørre, hente og samhandle med data om cybertrusler via et standardisert grensesnitt. Denne serveren muliggjør oppgaver som å søke etter skadevareinformasjon, forespørre indikatorer på kompromittering, brukerstyring og gruppehåndtering, samt filoperasjoner. Utviklere kan bruke den til å automatisere sikkerhetsarbeidsflyter, berike LLM-resultater med sanntids trusseldata, og effektivisere tilgangen til brukbar intelligens i både utviklings- og driftsmiljøer.

Liste over prompts

Ingen promptmaler er oppført i depotet eller dokumentasjonen.

Liste over ressurser

Ingen eksplisitte ressurser er beskrevet i tilgjengelig dokumentasjon eller depotfiler.

Liste over verktøy

Ingen spesifikke verktøy er oppført i dokumentasjonen eller koden. Dokumentasjonen beskriver kun overordnede funksjoner og API-muligheter, men lister ikke MCP-verktøy eller deres signaturer.

Bruksområder for denne MCP-serveren

• Automatisering av trussel-intelligens: Automatiser innhenting og analyse av de nyeste trusselrapportene, indikatorer på kompromittering, skadevareinformasjon og trusselaktører fra OpenCTI – for proaktiv sikkerhetsdrift.
• Integrasjon med sikkerhetsoperasjoner: Integrer med SOC-verktøy slik at AI-agenter kan hente kampanjeinformasjon, liste angrepsmønstre og gi handlingsrettede innsikter til hendelseshåndteringsteam.
• Bruker- og gruppeadministrasjon: Bruk AI-assistenter til å liste og administrere brukere eller grupper i OpenCTI-instansen, og støtte administrative arbeidsflyter og tilgangsrevisjoner.
• STIX-objektoperasjoner: Forespør og manipuler STIX-objekter, som kampanjer og angrepsmønstre, direkte fra utviklingsmiljøer eller automatiserte arbeidsflyter.
• Fil- og referansedata: Gi AI mulighet til å samhandle med filer, merkedefinisjoner og etiketter i OpenCTI – til støtte for avansert dataforbedring og klassifisering.

Slik setter du det opp

Windsurf

1. Forutsetninger: Sørg for at Node.js 16+ er installert og at du har tilgang til en OpenCTI-instans med gyldig API-token.
2. Forbered miljøet: Kopier .env.example til .env og oppdater med din OpenCTI-legitimasjon.
3. Konfigurer MCP-server: Rediger Windsurf MCP-konfigurasjonsfilen for å legge til OpenCTI-serveren:

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

4. Lagre og start på nytt: Lagre konfigurasjonen og start Windsurf-klienten på nytt.
5. Verifiser: Sørg for at MCP-serveren er oppført og tilgjengelig i Windsurf.

Claude

1. Forutsetninger: Installer Node.js 16+ og skaff OpenCTI API-legitimasjon.
2. Miljøoppsett: Kopier .env.example til .env og fyll inn dine OpenCTI-detaljer.
3. Legg til MCP-server i Claude: Oppdater MCP-innstillinger slik:

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

4. Start Claude på nytt: Lagre konfigurasjonen og start Claude på nytt.
5. Sjekk tilkobling: Bekreft at OpenCTI MCP er koblet til.

Cursor

1. Forutsetninger: Sørg for at Node.js 16+ er tilstede og at du har OpenCTI-tilgang.
2. Konfigurer miljøet: Dupliser .env.example som .env og sett din OpenCTI-URL og token.
3. Rediger Cursor-konfigurasjon: Sett inn følgende i MCP-konfigurasjonen:

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

4. Start Cursor på nytt: Lagre og start applikasjonen på nytt.
5. Verifiser: Sørg for at OpenCTI MCP-serveren er operativ i Cursor.

Cline

1. Forutsetninger: Installer Node.js 16+ og ha OpenCTI-instans-legitimasjon.
2. Sett opp miljøfil: Kopier .env.example til .env og oppdater med dine verdier.
3. Konfigurer Cline MCP: Legg til OpenCTI MCP i konfigurasjonen:

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

4. Start Cline på nytt: Lagre konfigurasjonen og start Cline på nytt.
5. Validering: Sjekk at OpenCTI MCP vises som forventet.

Sikring av API-nøkler (gjelder alle plattformer)

• Bruk alltid miljøvariabler for å lagre sensitive API-legitimasjoner. Eksempel på konfigurasjon:

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

Slik bruker du denne MCP-en i flows

Bruke MCP i FlowHunt

For å integrere MCP-servere i FlowHunt-arbeidsflyten din, start med å legge til MCP-komponenten i flyten og koble den til AI-agenten din:

Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon, legg inn MCP-serverdetaljene med dette JSON-formatet:

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

Når det er konfigurert, kan AI-agenten nå bruke denne MCP-en som et verktøy med tilgang til alle funksjoner og muligheter. Husk å endre “opencti” til det faktiske navnet på din MCP-server og bytt ut URL-en med din egen MCP-server-URL.

Oversikt

Mellom tilgjengelig dokumentasjon og kode gir OpenCTI MCP Server en tydelig oversikt og robuste oppsettinstruksjoner, men mangler eksplisitte detaljer om ressurser, prompts, verktøy og avanserte MCP-funksjoner som sampling eller roots-konfigurasjon.

Vår vurdering

Basert på dokumentasjonen gir denne MCP-serveren et godt grunnlag for OpenCTI-integrasjon og har solide oppsett- og sikkerhetsrutiner, men mangler åpenhet rundt MCP-spesifikke funksjoner (som verktøy, ressurser, prompts og sampling). Derfor gir vi denne MCP-implementasjonen en 5/10 for samlet fullstendighet og brukervennlighet for LLM-integrasjon.

MCP-score