能力标签
蜜蜂魔方
🔌
MCP工具

蜜蜂魔方

基于 Go · 让 AI 助手直接操作你的系统与工具
英文名:beelzebub
⭐ 2.0k Stars 🍴 198 Forks 💻 Go 📄 GPL-3.0 🏷 AI 7.5分
7.5AI 综合评分
mcp云原生安全网络安全Go
✦ AI Skill Hub 推荐

蜜蜂魔方 是 AI Skill Hub 本期精选MCP工具之一。已获得 2.0k 颗 GitHub Star,综合评分 7.5 分,整体质量较高。我们推荐使用将其纳入你的 AI 工具库,帮助提升工作效率。

📚 深度解析

蜜蜂魔方 是一款基于 MCP(Model Context Protocol)标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源,旨在建立 AI 模型与外部工具之间的标准化通信接口,目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装 蜜蜂魔方,你的 AI 助手将获得额外的工具调用能力,可以用自然语言直接操控该工具的功能,无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置,永久增强"——配置完成后,每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上,MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信,工具的功能以"工具列表"的形式暴露给 AI 模型,AI 可以按需调用。蜜蜂魔方 提供了结构化的工具调用接口,使 AI 模型能够精确地理解和使用每个功能点,显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比,MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON,即可让 AI 获得全新能力。AI Skill Hub 将 蜜蜂魔方 评为 AI 评分 7.5 分,属于同类工具中的优质选择。

📋 工具概览

低代码欺骗运行框架,利用AI实现系统虚拟化

蜜蜂魔方 是一款遵循 MCP(Model Context Protocol)标准协议的 AI 工具扩展。通过 MCP 协议,它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务,实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用,都可以通过自然语言在 AI 对话中直接触发,极大提升生产效率。

GitHub Stars
⭐ 2.0k
开发语言
Go
支持平台
Windows / macOS / Linux(跨平台)
维护状态
持续维护,定期更新
开源协议
GPL-3.0
AI 综合评分
7.5 分
工具类型
MCP工具
Forks
198

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理,如需查看完整原始文档请访问底部「原始来源」。

低代码欺骗运行框架,利用AI实现系统虚拟化

蜜蜂魔方 是一款遵循 MCP(Model Context Protocol)标准协议的 AI 工具扩展。通过 MCP 协议,它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务,实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用,都可以通过自然语言在 AI 对话中直接触发,极大提升生产效率。

📌 核心特色
  • 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
  • 提供结构化工具调用接口,显著降低 AI 集成复杂度
  • 支持 Claude Desktop 和 Claude Code 无缝接入,开箱即用
  • 可与其他 MCP 工具组合叠加,构建完整 AI 工作站
  • 轻量无侵入设计,不影响现有系统架构
🎯 主要使用场景
  • 在 Claude Desktop 对话中直接调用本地工具,实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务,代替繁琐手动操作
  • 将多个 MCP 工具组合使用,构建个人专属 AI 工作站
以下安装命令基于项目开发语言和类型自动生成,实际以官方 README 为准。
安装命令
# 方式一:通过 Claude Code CLI 一键安装
claude skill install https://github.com/beelzebub-labs/beelzebub

# 方式二:手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "----": {
      "command": "npx",
      "args": ["-y", "beelzebub"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
📋 安装步骤说明
  1. 确认已安装 Node.js(v18 或以上版本)
  2. 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
  3. 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
  4. 保存配置文件并重启 Claude 客户端
  5. 重启后,在对话中即可使用本工具
以下用法示例由 AI Skill Hub 整理,涵盖最常见的使用场景。
常用命令 / 代码示例
# 安装后在 Claude 对话中直接使用
# 示例:
用户: 请帮我用 蜜蜂魔方 执行以下任务...
Claude: [自动调用 蜜蜂魔方 MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入:"列出所有可用的 MCP 工具"
以下配置示例基于典型使用场景生成,具体参数请参照官方文档调整。
配置示例
// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "____": {
      "command": "npx",
      "args": ["-y", "beelzebub"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效
📑 README 深度解析 真实文档 完整度 87/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理,保留代码块、表格与列表结构。

Beelzebub

CI Go Report Card codecov Go Reference Trust Score Mentioned in Awesome Go

Deception Runtime Framework

Beelzebub is an open-source deception runtime that deploys adaptive, LLM-powered decoy services across SSH, HTTP, TCP, TELNET, and MCP protocols. It goes beyond passive honeypots by actively engaging attackers in realistic interactions, collecting high-fidelity threat intelligence, and detecting prompt injection attacks against AI agents.

github beelzebub - inception program

Key Features

  • Adaptive deception engine: LLM integration (OpenAI, Ollama) generates contextually accurate responses in real time, keeping attackers engaged long enough to collect actionable TTPs
  • Low-code service definition: YAML-based configuration with regex command matching — no custom code required to deploy a new decoy service
  • Multi-protocol coverage: SSH, HTTP, TCP, TELNET, MCP from infrastructure targets to AI agent attack surfaces
  • Extensible plugin system: Implement the CommandPlugin or HTTPPlugin interface and register via init() no core changes required
  • Full observability stack: Prometheus metrics, RabbitMQ event streaming
  • Production-ready runtime: Docker, Kubernetes (Helm), graceful shutdown, per-service memory limits

Integration tests (requires Docker)

make test.dependencies.start make test.integration make test.dependencies.down

Using Docker Compose

docker compose build
docker compose up -d

Quick Start

LLM Deception Demo

demo-beelzebub

Validate configuration without starting services

beelzebub validate ```

Configuration Reference

Beelzebub uses a two-tier configuration system:

  1. Core configuration (beelzebub.yaml) global settings: logging, tracing, Prometheus
  2. Service configurations (services/*.yaml) one file per decoy service

Core Configuration

core:
  logging:
    debug: false
    debugReportCaller: false
    logDisableTimestamp: true
    logsPath: ./logs
  tracings:
    rabbit-mq:
      enabled: false
      uri: "amqp://guest:guest@localhost:5672/"
  prometheus:
    path: "/metrics"
    port: ":2112"

Environment variable overrides are supported for all fields (e.g. BEELZEBUB_RABBITMQ_ENABLED). Service configurations can also be supplied entirely via BEELZEBUB_SERVICES_CONFIG as a JSON array.

Service Configuration

Each decoy service is defined in a separate YAML file placed in the services/ directory. The protocol field determines the deception engine used. Commands use regex for request matching and either a static handler or a plugin reference for dynamic responses.

CLI Reference

Beelzebub ships with a structured CLI. Run beelzebub --help to see all available commands.

Interfaces

// CommandPlugin generates text responses for SSH, TCP, TELNET, and HTTP services.
type CommandPlugin interface {
    Metadata() Metadata
    Execute(ctx context.Context, req CommandRequest) (string, error)
}

// HTTPPlugin generates full HTTP responses with status code, headers, and body.
type HTTPPlugin interface {
    Metadata() Metadata
    HandleHTTP(r *http.Request) HTTPResponse
}

`beelzebub plugin list`

List all registered plugins available in the current build.

beelzebub plugin list

Plugin System

Beelzebub exposes a stable public SDK at pkg/plugin for extending the deception runtime without modifying core code.

Writing a Plugin

package myplugin

import (
    "context"
    "github.com/beelzebub-labs/beelzebub/v3/pkg/plugin"
)

type MyPlugin struct{}

func (p *MyPlugin) Metadata() plugin.Metadata {
    return plugin.Metadata{
        Name:        "MyPlugin",
        Description: "Custom deception response generator",
        Version:     "1.0.0",
        Author:      "your-name",
    }
}

func (p *MyPlugin) Execute(_ context.Context, req plugin.CommandRequest) (string, error) {
    return "simulated response to: " + req.Command, nil
}

func init() {
    plugin.Register(&MyPlugin{})
}

Loading an External Plugin

Add a blank import to your main.go fork:

import _ "github.com/your-org/beelzebub-myplugin"

The plugin self-registers on startup and is immediately available as a plugin reference in any service YAML.

RabbitMQ Integration

Publish all deception events to a message queue for downstream SIEM integration:

core:
  tracings:
    rabbit-mq:
      enabled: true
      uri: "amqp://guest:guest@localhost:5672/"

Events are published as structured JSON to the event queue.

🇨🇳 中文文档镜像 AI 翻译 2026-06-16
英文原文章节由系统翻译为中文摘要,便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介

Beelzebub 是一个先进的欺骗防御系统,旨在通过构建高仿真度的诱饵环境来迷惑攻击者。它能够实时生成具有上下文感知能力的响应,帮助安全团队在不干扰真实业务的前提下,通过与攻击者的交互收集有价值的 TTPs(战术、技术与过程)。

⚡ 功能介绍

Beelzebub 具备自适应欺骗引擎,通过集成 OpenAI 和 Ollama 等 LLM 技术,实现实时生成高度真实的响应。系统支持低代码服务定义,开发者仅需通过 YAML 配置文件和正则表达式即可部署新的诱饵服务,无需编写自定义代码。此外,它具备多协议覆盖能力,支持 SSH、HTTP、TCP、TELNET 以及来自基础设施的 MCP 协议。

📋 环境依赖

在进行集成测试(Integration tests)时,系统要求环境中必须安装并运行 Docker。开发者可以通过执行特定的 make 命令来管理测试依赖的启动与关闭,确保测试环境的隔离与纯净。

🛠 安装步骤(Docker/pip/源码)

推荐使用 Docker Compose 进行快速部署。您可以通过运行 `docker compose build` 构建镜像,随后使用 `docker compose up -d` 命令在后台启动所有服务,实现一键式环境搭建。

🚀 使用教程

本项目提供快速启动指南,帮助开发者快速上手。在正式启动服务之前,建议使用 `beelzebub validate` 命令对配置文件进行校验,以确保配置内容的正确性,避免因配置错误导致服务启动失败。

⚙️ 配置说明(含 MCP / env)

Beelzebub 采用两层配置体系:核心配置(beelzebub.yaml)用于管理全局设置,如日志(logging)、链路追踪(tracings)和 Prometheus 监控;服务配置(services/*.yaml)则用于定义单个诱饵服务的具体行为。所有配置字段均支持通过环境变量进行覆盖(例如使用 `BEELZEBUB_RABBITMQ_ENABLED`),方便在不同环境下灵活部署。

🔌 API 说明

Beelzebub 配备了结构化的 CLI 工具,用户可以通过 `beelzebub --help` 查看所有可用命令。同时,系统提供了丰富的接口定义,如 CommandPlugin 用于生成 SSH、TCP 等协议的文本响应,HTTPPlugin 则用于生成包含状态码、Header 和 Body 的完整 HTTP 响应。

🔄 工作流/模块

Beelzebub 拥有强大的插件系统,通过 `beelzebub plugin list` 命令可以查看当前构建版本中已注册的所有插件。系统在 `pkg/plugin` 路径下暴露了稳定的公共 SDK,允许开发者在不修改核心代码的情况下,通过实现特定的接口来扩展欺骗运行时(deception runtime)。

🎯 aiskill88 AI 点评 A 级 2026-06-16

高质量的开源MCP工具

📚 实用指南(长尾问题)
适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC,避免暴露公网
  • 生产部署优先使用 Docker Compose 隔离依赖,并挂载 volume 持久化数据
  • 本地部署优先选 GGUF 量化模型,节省显存并保持响应速度
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • MCP 配置路径拼错或权限不足,重启 Claude Desktop 才生效
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
部署方案
  • Docker:beelzebub 提供官方镜像,docker compose up 一键启动
  • CLI:直接 npm install -g / pip install,命令行调用
  • 本地部署:CPU 8GB 起,GPU 推荐 16GB+ 显存
  • 云端托管:可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
beelzebub 中文教程beelzebub 安装报错怎么办beelzebub MCP 配置beelzebub Docker 部署beelzebub Agent 工作流beelzebub 与同类工具对比beelzebub 最佳实践beelzebub 适合谁用

⚡ 核心功能

👥 适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
⭐ 最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC,避免暴露公网
  • 生产部署优先使用 Docker Compose 隔离依赖,并挂载 volume 持久化数据
  • 本地部署优先选 GGUF 量化模型,节省显存并保持响应速度
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
⚠️ 常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • MCP 配置路径拼错或权限不足,重启 Claude Desktop 才生效
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型

👥 适合人群

Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师

🎯 使用场景

  • 在 Claude Desktop 对话中直接调用本地工具,实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务,代替繁琐手动操作
  • 将多个 MCP 工具组合使用,构建个人专属 AI 工作站

⚖️ 优点与不足

✅ 优点
  • +GPL-3.0 协议,可免费商用
  • +标准化 MCP 协议,生态互联性强
  • +与 Claude 官方生态无缝对接
  • +即插即用,配置简单快捷
⚠️ 不足
  • 依赖 Claude 客户端,非 Claude 用户无法使用
  • MCP 协议仍在持续演进,接口可能变更
  • 需要一定的配置步骤
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台,本页面信息基于公开数据整理,不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后,再部署至生产环境,并做好必要的安全评估。

📄 License 说明

⚠️ GPL 3.0 — 强 Copyleft,衍生作品须开源,含专利保护条款,不可闭源使用。

🔗 相关工具推荐

📚 相关教程推荐
📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🗺️ 相关解决方案
🧩 你可能还需要
基于当前 Skill 的能力图谱,自动补全的工具组合

❓ 常见问题 FAQ

beelzebub 是一款Go开发的AI辅助工具。开源MCP工具:A secure low code deception runtime framework, leveraging AI for System Virtuali。⭐2.0k · Go 主要应用场景包括:欺骗性安全防御。
💡 AI Skill Hub 点评

经综合评估,蜜蜂魔方 在MCP工具赛道中表现稳健,质量良好。如果你已有明确的使用需求,可以直接上手体验;如果还在评估阶段,建议对比同类工具后再做决策。

⬇️ 获取与下载
⬇ 下载源码(GPL)
⚠️ 本工具使用 GPL-3.0 协议。您可以自由下载和使用,但衍生作品必须以相同协议开源,不可商业闭源。使用前请确认符合协议要求。
📚 深入学习 蜜蜂魔方
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 beelzebub
原始描述 开源MCP工具:A secure low code deception runtime framework, leveraging AI for System Virtuali。⭐2.0k · Go
Topics mcp云原生安全网络安全Go
GitHub https://github.com/beelzebub-labs/beelzebub
License GPL-3.0
语言 Go
🔗 原始来源
🐙 GitHub 仓库  https://github.com/beelzebub-labs/beelzebub 🌐 官方网站  https://docs.beelzebub.ai

收录时间:2026-06-16 · 更新时间:2026-06-22 · License:GPL-3.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →