LLM和AI Agent的区别主要是在于处理事件的流程上有所不同,LLM更偏向于回答我们提出的问题,而AI Agent智能体则是能实际参与到我们需要完成的项目和工作上。

相比于LLM,agent是在LLM大模型的基础上加入了一套工具和工作流水线,而这些工具的调用最终要来源自MCP

比如用Cursor写一个贪吃蛇的项目

image-20260401113826581

最终效果还是嘎嘎好的

image-20260401113902075

一些好用的MCP

MCP(Model Context Protool模型上下文)意思是统一的工具接入标准,其实本质上是为了协调各个平台不同的工具接入规范所整理出来的一种统一标准

因为我主要是做一些代码审计和CTF解题方面的事情,所以网上搜集加上咨询师傅拿到了一些好用的MCP工具

参考文章:https://www.cnblogs.com/alexander17/p/19453947

BurpSuite-mcp

mcp项目:https://github.com/portswigger/mcp-server

BurpSuite mcp服务其实就是让AI 可以直接调用 BurpSuite 的功能进行抓包发包,进行一些自动化渗透测试任务

git clone https://github.com/PortSwigger/mcp-server.git
cd mcp-server

./gradlew embedProxyJar

执行上述命令后会构建 Burp 扩展 JAR,注意这里对JDK版本有要求,比如JDK8在构建的时候会出现报错

我这里换成jdk17后显示网络有问题,还是手动下一个Gradle吧

gradle embedProxyJar

然后在bp中把生成的Jar包导入拓展

image-20260401222521607

可以看到选项里多了一个MCP

接下来就是在Codex和Claude Code中配置MCP了

  • Claude中配置MCP

这个很简单,在MCP页面下方就有一个install安装的选项,点击之后就会自动配置

image-20260401223417885

也可以直接运行命令打开%APPDATA%\Claude\claude_desktop_config.json并写入

    "mcpServers": {
        "burp": {
            "command": "E:\\BurpSuiteprofessional\\BurpSuitePro\\jre\\bin\\java.exe",
            "args": [
                "-jar",
                "C:\\Users\\23232\\AppData\\Roaming\\BurpSuite\\mcp-proxy\\mcp-proxy-all.jar",
                "--sse-url",
                "http://127.0.0.1:9876"
            ]
        }
    }

配置好后重启Claude,可以新建会话并提问What Burp tools do you have access to?,如果能列出burp的工具就可以了

  • Codex中配置MCP

我是直接用的cli命令行去配的

codex mcp add burp -- "E:\BurpSuiteprofessional\BurpSuitePro\jre\bin\java.exe" -jar "C:\Users\23232\AppData\Roaming\BurpSuite\mcp-proxy\mcp-proxy-all.jar" --sse-url http://127.0.0.1:9876

当然也可以直接在~/.codex/config.toml中进行配置

[mcp_servers.burp]
command = "E:\\BurpSuiteprofessional\\BurpSuitePro\\jre\\bin\\java.exe"
args = [
    "-jar",
    "C:\\Users\\23232\\AppData\\Roaming\\BurpSuite\\mcp-proxy\\mcp-proxy-all.jar",
    "--sse-url",
    "http://127.0.0.1:9876"
]

和Claude一样,验证一下

image-20260401224721312

jadx-mcp

BurpSuite mcp服务其实就是让AI 可以直接调用 jadx 的功能进行反编译分析操作

mcp项目:https://github.com/zinja-coder/jadx-ai-mcp/releases

下载https://github.com/zinja-coder/jadx-ai-mcp

然后在jadx中导入jar

image-20260401231008080

因为是python编写的mcp,所以需要安装依赖

# 安装 uv(如果没有)
curl -LsSf https://astral.sh/uv/install.sh | sh

# 进入解压目录
cd jadx-mcp-server

# 可选:初始化虚拟环境
uv venv
# Windows:
.venv\Scripts\activate

# 安装依赖
uv pip install httpx fastmcp

然后就是Claude和Codex的配置了

  • Claude配置
{
    "mcpServers": {
        "jadx-mcp-server": {
            "command": "/path/to/uv",
            "args": [
                "--directory",
                "C:\\path\\to\\jadx-mcp-server\\",
                "run",
                "jadx_mcp_server.py",
                "--jadx-port",
                "8652"
            ]
        }
    }
}
  • Codex配置
[mcp_servers.jadx-mcp-server]
command = "/path/to/uv"
args = [
    "--directory",
    "C:\\path\\to\\jadx-mcp-server\\",
    "run",
    "jadx_mcp_server.py"
]

js-reverse-mcp

JavaScript 逆向工程 MCP 服务器,让AI能自主调试和分析网页中的 JavaScript 代码。

mcp项目:https://github.com/zhizhuodemao/js-reverse-mcp/blob/main/README_zh.md

这个很简单,直接一行命令就行了

codex
codex mcp add js-reverse -- npx js-reverse-mcp

claude
claude mcp add js-reverse npx js-reverse-mcp

一些好用的SKILL

SKILL相比于MCP,更像是一种特定的“菜谱”,它会规定像“这道菜需要翻炒5分钟后加入xxx调料”这样的行为规范

openai官方 介绍中是这样的:

技能是可重复使用、可共享的工作流程,它们明确地告诉ChatGPT如何执行特定任务,使ChatGPT能够更好地、更一致地完成该任务。一个技能可以捆绑指令、示例,甚至代码。一旦技能被创建并安装,ChatGPT在需要时可以自动使用一个技能(或多个技能)。

一个技能可以包括您希望ChatGPT在您要求它执行特定任务时使用的指令和支持资源。对于更结构化的工作,技能可以包括一组每次都以相同方式运行的步骤。

首先Chatgpt最常用的SKILL就是Skill Creator了,这个是自带的系统SKILL

Skill Creator

这个skill能帮你创建自己想要的SKILL,根据用户提出的要求,帮用户写一个符合要求的SKILL,可谓是很常用的了

办公四大件

docpdfspreadsheetslides:这组是办公文档四件套,处理 Word、PDF、Excel、PPT 时很值,适合报告、表格分析、材料整理和导出。

安装也很简单,在Codex的技能里选择skill后就能看到了,当然也可以直接让agent给你安装

playwright

playwright是用来做网页自动化的,也很方便,可以让AI通过代码或命令直接操作浏览器进行一些前端调试、抓取数据等一系列网页工作

这个也是可以直接在skill里面一键安装的

PUA

项目地址:https://github.com/tanweai/pua/blob/main/README.zh-CN.md

这个SKILL在很多时候能帮你解决AI效率不高和工作质量低下的问题,比如有时候ai会将一个任务反复做两三遍,无论你如何想让他完成任务,他总是会给不到你想要的效果,这时候用pua会有出其不意的效果。

opencli

项目地址:https://github.com/jackwener/opencli

这个skill是我在组内AI分享会上学到的,简单来说就是把浏览器网站变成cli命令行去进行访问和操控

opencli安装方法

OpenCLI 需要 Node.js >= 20

node --version
npm install -g @jackwener/opencli

然后在浏览器中添加拓展,从 Chrome 网上应用店安装 OpenCLI

下载好后就可以通过cli快速访问很多网站

验证安装

C:\Users\23232>opencli doctor
⏳ Starting daemon...
opencli v1.8.0 doctor (node v22.13.0)

[OK] Daemon: running on port 19825 (v1.8.0)
[OK] Extension: connected (v1.0.15)

Profiles:
  • 4szgk2m2: connected v1.0.15
[OK] Connectivity: connected in 6.2s

Everything looks good!

这样就是安装成功了

opencli使用方法

opencli list   #先list列出可以通过命令访问的网站有哪些

可以看到比如小红书等知名网站都是可以用的

那我们尝试获取小红书首页推荐

opencli xiaohongshu feed

以上就是正常的使用方法

那如何在agent中使用呢?

agent代理skill

npx skills add jackwener/opencli

或者直接让ai参考文档给你安装就行了

里面包括了四种skill

技能何时使用向您的 AI 代理发出的示例提示
opencli-adapter-author为新站点编写可重用的适配器,或向现有站点添加命令。“编写抖音热搜适配器” / “编写一个命令,抓取此页面的热门帖子”
opencli-autofix内置命令失败时修复损坏的适配器“ opencli zhihu hot 返回空值——请修复”
opencli-browser临时搭建一个真实的 Chrome 页面——浏览、填写表单、点击、提取“帮我查看我的小红书通知” / “帮我填写这份表格” / “使用浏览器命令抓取此页面”
opencli-usageOpenCLI 命令和站点快速参考OpenCLI 有哪些用于 Twitter 的命令?

测试一下

[$opencli-browser](C:\\Users\\23232\\.codex\\skills\\opencli-browser\\SKILL.md)  帮我读取https://wanth3f1ag.top/这个网站的友链并返回给我

当然你也可以调用opencli-adapter-author这个skill给新站点写一个适配器

CLI-Anything+cli-hub-meta-skill

既然有能将网站变成cli的skill,那当然也有能将软件变成cli的skill了

项目地址:https://github.com/HKUDS/CLI-Anything#-codex-experimental-community

这两个分别是什么?为什么这里是两个呢?

CLI-Anything是一个笼统的概念,从项目仓库中不难看出有很多CLI-Anything.*的harness,这些harness代表着我们可以通过cli去调用对应的软件或者GUI 软件,但同时CLI-Anything又是一个SKILL,他可以根据你的需求为你的软件创建一个CLI,具体流程是这样的

cli-hub-meta-skill也是一个skill,但他主要起的是一个搜索查找CLI-Anything.*的作用,能帮你搜索并安装你想要的软件cli,但是这个skill的使用本质上是在调用到一个python的库:https://clianything.cc/

安装方法:

pip install cli-anything-hub

所以本质上一个是创建新cli一个是查找现有cli