HAR Analyzer Server

一个专为 Trae IDE（以及任何支持 MCP 协议的客户端）设计的 Python MCP Server，用于辅助 HAR 流量文件的逆向分析工作。

通过把"读 HAR"这件事从 AI 的主循环里剥离出来，本地完成所有繁重的解析、清洗、索引工作，AI（Trae）只接收精炼后的结构化摘要数据，从而避免 Token 爆炸、避免敏感词触发安全过滤、避免被无关噪音干扰。

---

目录

• 背景与设计哲学
• 核心特性
• 文件结构
• 安装
• Trae MCP 配置
• 提供的 MCP Tools
• 推荐工作流
• Tool 参数详解
• 技术细节
• 安全与隐私
• 错误处理
• 性能基准
• 常见问题
• 开发与调试
• 路线图
• 贡献
• 许可证
• 致谢

---

背景与设计哲学

直接把完整 HAR 文件塞给 AI 会导致三个致命问题：

1. Token 爆炸：HAR 文件体积轻易超过数十 MB，原始 JSON 直接传输会立刻耗尽 Token 配额。
2. 噪音淹没信号：HAR 包含大量静态资源（图片 / 字体 / CSS / JS）、base64 二进制、冗余 Header、重复请求，AI 难以聚焦到真正有价值的 API 端点。
3. 安全过滤误触发：部分 API 响应内容可能命中 AI 平台的安全词，导致整个请求被拒绝。

本项目的解决方案： MCP Server 在本地完成所有重活（解析、去重、过滤、裁剪、索引），只通过 MCP Tools 向 Trae 暴露干净的摘要接口。

┌──────────────┐         ┌────────────────────┐         ┌──────────────┐
│  Chrome /    │  导出    │   HAR MCP Server   │  结构化  │   Trae AI    │
│  DevTools    │ ──────> │  (本地：清洗+索引)  │ ──────> │  (只读摘要)  │
└──────────────┘  .har   └────────────────────┘  JSON   └──────────────┘

---

核心特性

• 🚀 流式解析 —— 基于 ijson，逐条处理 HAR 的 log.entries，不一次性加载整个文件，支持数十 MB 的大体积 HAR 文件，内存峰值可控。
• 🗂️ SQLite 内存索引 —— 清洗后的数据存入 :memory: 数据库，建立 url / method / status / host / is_api / tags 多列索引，查询毫秒级响应。
• 🧹 智能清洗 —— 默认跳过图片 / 字体 / CSS / JS / 视频 / 音频等静态资源；Header 只保留认证、签名、自定义 x-* 等关键字段。
• 🏷️ 自动标签 —— 为每条请求打上 json / form / auth / signed / encrypted / error / redirect 等标签，便于 AI 按维度过滤。
• 🔍 API 识别 —— 基于 Content-Type、URL 模式、HTTP 方法、响应 body 结构综合判定，自动识别"真正有价值的请求"。
• 🔐 敏感词脱敏 —— 内置 sanitizer 模块，支持 Sensitive-lexicon + Aho-Corasick、better-profanity、alt-profanity-check、本地 wordlist.txt 多种脱敏源，在写入 SQLite 之前对所有字符串字段做脱敏，避免特定内容触发下游 AI 的安全过滤。
• 🛡️ 零值输出原则 —— har_summary 的 body_structure 字段只递归提取键名和值类型，绝不暴露任何实际数据值；har_extract_auth 同样只返回 token 长度、格式、出现次数等元信息。
• ⚡ 结构化错误 —— 所有 Tool 在出错时返回 {"error": {"code", "message", "detail"}} 对象，不会因抛异常导致 MCP 协议中断。
• 🧵 线程安全 —— SQLite 连接通过 threading.Lock 保护，可在并发请求下安全使用。

---

文件结构

har_mcp/
├── server.py           # MCP Server 主入口，注册 8 个 Tool
├── har_parser.py       # HAR 流式解析 + 数据清洗模块
├── har_store.py        # 内存 / SQLite 索引存储模块（线程安全）
├── filters.py          # 过滤规则（静态资源剔除、API 识别、Header 清洗、Body 处理、标签生成）
├── summarizer.py       # 摘要生成器（把 Entry 压缩为 AI 友好格式 + 加密/签名模式检测）
├── sanitizer.py        # 字符串脱敏模块（支持多种脱敏源）
├── config.py           # 全局配置常量（截断阈值、白名单、正则模式）
├── Sensitive-lexicon/  # git clone 下来的敏感词库（.gitignore 已忽略）
│   └── sensitive-lexicon.txt
├── wordlist.txt        # 自定义敏感词库（用户维护，不进版本控制）
├── requirements.txt    # Python 依赖
├── mcp.json            # Trae MCP 配置（python 直接运行）
├── mcp_uv.json         # Trae MCP 配置（uv 管理环境）
├── .gitignore          # Git 忽略规则
├── LICENSE             # 许可证（建议补充）
└── README.md           # 本文件

---

安装

环境要求

• Python >= 3.10（推荐 3.11+）
• 操作系统：Windows / macOS / Linux
• 磁盘：无特殊要求，所有数据均在内存

方式一：pip（最简单）

cd har_mcp
pip install -r requirements.txt

方式二：uv（推荐，速度快、环境隔离）

cd har_mcp
uv sync
# 或
uv pip install -r requirements.txt

方式三：conda

conda create -n har-mcp python=3.11
conda activate har-mcp
pip install -r requirements.txt

依赖说明

包	必选	用途
mcp>=1.0.0	✅	官方 MCP Python SDK
ijson>=3.3.0	✅	流式 JSON 解析，处理大体积 HAR 文件的核心依赖
pyahocorasick>=2.0.0	⭕	Aho-Corasick 自动机，配合 Sensitive-lexicon 使用（推荐）
better-profanity>=0.7.0	⭕	英文敏感词过滤（备选方案）
alt-profanity-check>=1.0.0	⭕	多语言敏感词检测（备选方案）

脱敏模块支持多种方案，按优先级自动选择：

1. Sensitive-lexicon + pyahocorasick（推荐，需 git clone 词库）
2. better-profanity（若已安装）
3. alt-profanity-check（若已安装）
4. 本地 wordlist.txt 自定义词库（兜底）

以上依赖均为可选，也可以都不装 —— 不装时 sanitizer 为空操作，不影响主流程。

验证安装

python -c "from har_store import HarStore; store = HarStore(); print('✅ HarStore 初始化成功')"

设置敏感词库（可选但强烈建议）

若希望启用敏感词脱敏，推荐把词库 clone 到项目目录：

cd har_mcp
git clone https://github.com/konsheng/Sensitive-lexicon.git

完成后目录结构：

har_mcp/
├── server.py
├── sanitizer.py
├── Sensitive-lexicon/
│   └── sensitive-lexicon.txt   ← sanitizer 默认读取
└── wordlist.txt                ← 你的额外自定义词（可选）

如果词库存放在其他位置，可通过环境变量指定：

export HAR_MCP_LEXICON=/path/to/Sensitive-lexicon/sensitive-lexicon.txt   # macOS/Linux
$env:HAR_MCP_LEXICON = "D:\Sensitive-lexicon\sensitive-lexicon.txt"        # PowerShell

不 clone 词库也能运行，此时 sanitizer 会尝试使用 better-profanity、alt-profanity-check 或 wordlist.txt，若都没有则降级为空操作。

---

Trae MCP 配置

将 mcp.json（或 mcp_uv.json）中的内容合并到 Trae 的 MCP 配置文件中。

配置位置通常是：

• Windows：C:\Users\<你的用户名>\.trae\mcp.json
• macOS / Linux：~/.trae/mcp.json
• 或项目根目录的 .trae/mcp.json

重要：必须将 /path/to/har_mcp 替换为项目的实际绝对路径。

方式一：直接使用 python

{
  "mcpServers": {
    "har-analyzer": {
      "command": "python",
      "args": ["/absolute/path/to/har_mcp/server.py"],
      "env": {
        "PYTHONPATH": "/absolute/path/to/har_mcp"
      }
    }
  }
}

方式二：使用 uv 管理环境（推荐）

{
  "mcpServers": {
    "har-analyzer": {
      "command": "uv",
      "args": ["run", "--project", "/absolute/path/to/har_mcp", "python", "server.py"],
      "env": {}
    }
  }
}

方式三：Windows 用户特别提示

Windows 下 python 可能指向 Microsoft Store 假别名，建议：

{
  "mcpServers": {
    "har-analyzer": {
      "command": "py",
      "args": ["-3.11", "E:/Har_MCP/server.py"],
      "env": {
        "PYTHONPATH": "E:/Har_MCP"
      }
    }
  }
}

或者使用完整 Python 路径：

{
  "mcpServers": {
    "har-analyzer": {
      "command": "C:/Python311/python.exe",
      "args": ["E:/Har_MCP/server.py"],
      "env": {
        "PYTHONPATH": "E:/Har_MCP"
      }
    }
  }
}

配置完成后重启 Trae，工具列表里应出现 8 个 har_* 工具。

---

提供的 MCP Tools

Tool 名称	输入参数	输出	适用场景
har_load	filepath, include_static?, api_only?	加载统计信息	第一步：必调
har_summary	host_filter?, api_only?	端点分组列表	获取全局"地图"
har_search	url_contains?, method?, status?, host?, has_tag?, limit?, offset?	摘要列表	按条件定位请求
har_get_entry	entry_id, include_full_body?	单条详情	深入查看具体请求
har_get_entries_batch	entry_ids[], include_full_body?	批量详情	一次看多条
har_extract_auth	—	认证信息摘要	分析认证机制
har_detect_patterns	—	加密/签名/异常检测	安全机制分析
har_unload	—	{"status": "cleared"}	释放内存

详细参数见 Tool 参数详解。

---

推荐工作流

  ┌─────────────────────────────────────────┐
  │ 1. har_load(filepath="...har")          │ ← 必须先调
  │    → 获得 total_entries / api_count     │
  └──────────────┬──────────────────────────┘
                 │
                 ▼
  ┌─────────────────────────────────────────┐
  │ 2. har_summary()                        │ ← 获得全局"地图"
  │    → endpoint_groups[]                  │
  │    → 找出可疑端点（status>=400, signed）│
  └──────────────┬──────────────────────────┘
                 │
        ┌────────┴────────┐
        ▼                 ▼
  ┌──────────┐      ┌─────────────────┐
  │ 3a.      │      │ 3b.             │
  │ har_     │      │ har_            │
  │ detect_  │      │ extract_        │
  │ patterns │      │ auth            │
  │ 加密特征 │      │ 认证机制        │
  └────┬─────┘      └────────┬────────┘
       │                     │
       └──────────┬──────────┘
                  ▼
  ┌─────────────────────────────────────────┐
  │ 4. har_search(...)                      │ ← 按 URL/方法/标签精确定位
  │    → 拿到 entry_id 列表                 │
  └──────────────┬──────────────────────────┘
                 │
                 ▼
  ┌─────────────────────────────────────────┐
  │ 5. har_get_entry(id)                    │ ← 按需查看详情
  │    或 har_get_entries_batch(ids)        │
  └─────────────────────────────────────────┘

典型对话示例

用户：帮我分析这个 HAR 文件 /tmp/capture.har 里登录接口的签名机制

AI：

1. har_load("/tmp/capture.har") → 加载成功，共 1247 条请求，其中 89 条 API
2. har_summary() → 发现端点 /api/v2/login（POST），调用 3 次
3. har_detect_patterns() → 发现所有 POST 请求均带 x-sign Header，值为 64 位 hex（HMAC-SHA256）
4. har_search(url_contains="/login", method="POST") → 拿到 entry_id = [42, 87, 156]
5. har_get_entries_batch([42, 87, 156]) → 拿到完整请求细节，开始逆向 x-sign 算法

---

Tool 参数详解

1. har_load

作用：加载并解析 HAR 文件到内存。必须先调用。

参数	类型	必填	默认	说明
filepath	string	✅	—	HAR 文件的绝对路径
include_static	bool	❌	false	是否包含静态资源（图片/CSS/JS）
api_only	bool	❌	false	是否只索引 API 请求

返回：

{
  "status": "ok",
  "total_entries": 1247,
  "indexed_entries": 89,
  "skipped_static": 1158,
  "api_count": 89,
  "unique_hosts": ["api.example.com"],
  "time_range": {"start": "2025-01-15T10:00:00Z", "end": "2025-01-15T10:30:00Z"},
  "load_time_seconds": 2.34,
  "hint": "HAR 已加载完毕。建议先调用 har_summary ..."
}

2. har_summary

作用：按 method + url_pattern 聚合所有 API 端点，生成全局视图。

参数	类型	必填	默认	说明
host_filter	string	❌	—	只看指定域名
api_only	bool	❌	true	是否只统计 API 请求

返回的 endpoint_groups[] 字段：

{
  "method": "POST",
  "url_pattern": "https://api.example.com/api/v2/users/{id}",
  "count": 12,
  "status_codes": [200, 401, 500],
  "req_content_type": "application/json",
  "res_content_type": "application/json",
  "avg_time_ms": 234.5,
  "has_auth_header": true,
  "req_body_structure": {"username": "string", "password": "string"},
  "res_body_structure": {"code": "integer", "data": {"token": "string", "expire": "integer"}},
  "entry_ids": [42, 87, 156, ...]
}

⚠️ body_structure 只包含键名和值类型，绝不暴露实际值。

3. har_search

作用：按条件搜索请求列表，返回摘要（不含完整 body）。

参数	类型	默认	说明
url_contains	string	—	URL 关键词（LIKE 模糊匹配）
method	string	—	HTTP 方法（GET/POST/PUT/PATCH/DELETE）
status	int	—	状态码精确匹配
host	string	—	域名精确匹配
has_tag	string	—	标签过滤，见下表
limit	int	20	最多返回数（最大 100）
offset	int	0	分页偏移量

可用 has_tag 值：

标签	含义
json / form / text / binary	body 编码
truncated	body 被截断（>50KB）
auth	含认证 Header
signed	含签名 Header
encrypted	疑似加密 body
error	4xx/5xx 状态码
redirect	3xx 状态码
sanitized	命中敏感词库被脱敏

4. har_get_entry

参数	类型	必填	默认	说明
entry_id	int	✅	—	来自 har_search 的 id 字段
include_full_body	bool	❌	true	是否包含完整 body（>50KB 时只返回 preview）

5. har_get_entries_batch

参数	类型	必填	默认	说明
entry_ids	int[]	✅	—	一次最多 10 条
include_full_body	bool	❌	true	同上

6. har_extract_auth

返回：

{
  "auth_headers_found": {
    "authorization": {
      "sample_schemes": ["Bearer"],
      "entry_ids": [42, 87],
      "token_length_samples": [256, 248]
    },
    "x-sign": {
      "sample_schemes": ["none"],
      "entry_ids": [42, 87, 156],
      "token_length_samples": [64, 64, 64]
    }
  },
  "cookies_found": {
    "session_id": {"entry_count": 89}
  },
  "patterns_note": "authorization 使用 Bearer 方案，token 长度在 248-256 之间变化；x-sign 长度稳定在 64 字符，疑似 HMAC-SHA256 签名。"
}

7. har_detect_patterns

返回 4 类发现：

• encrypted_body：疑似加密的 body（Base64 + 16 倍数长度 → 推测 AES）
• url_hash：URL 路径含 MD5/SHA1/SHA256 哈希段（端点混淆）
• request_signature：签名 Header（长度稳定 → 推测算法）
• error_cluster：同一错误状态码集中出现（可能触发风控）

8. har_unload

清除当前已加载数据，释放内存。通常无需手动调用 —— 再次 har_load 会自动清空旧数据。

---

技术细节

流式解析

使用 ijson 流式迭代 HAR 的 log.entries 数组：

# har_parser.py 核心
with open(filepath, 'rb') as f:
    entries = ijson.items(f, 'log.entries.item')
    for entry in entries:
        yield _clean_entry(entry)

为什么不用 json.load？

• 50MB HAR 文件解压后约 200MB JSON，json.load 会一次性占用约 5-10 倍内存（Python 对象开销）。
• ijson 流式处理内存峰值仅与单条 Entry 大小相关，通常 < 50MB。

SQLite 内存索引

使用 sqlite3.connect(':memory:') + PRAGMA journal_mode=MEMORY，性能接近裸 C 实现。

建立的索引：

• idx_entries_url（LIKE 模糊搜索）
• idx_entries_method（精确匹配）
• idx_entries_status（精确匹配）
• idx_entries_host（精确匹配）
• idx_entries_is_api（bool 过滤）
• idx_entries_tags（标签 LIKE 匹配）

批量插入：executemany + 500 条/批，50MB 文件约 2-3 秒完成。

静态资源过滤

综合三种判定（任一命中即跳过）：

1. MIME 严格匹配：image/png、font/woff2、text/css、application/javascript 等。
2. URL 后缀：.png、.jpg、.woff2、.css、.js、.map 等。
3. URL 正则模式：/_next/static/、/static/、/dist/、/assets/、/build/，以及 cdn.、analytics.、google-analytics.com 等常见 CDN / 埋点域名。

API 识别

满足以下任一条件即视为 API：

• 方法是 POST / PUT / PATCH / DELETE
• URL 匹配 /api/、/v\d+/、/graphql、/rest/、/rpc/
• Content-Type 或 Accept 包含 application/json
• 响应 body 是有效 JSON

敏感词脱敏

执行时机：在数据写入 SQLite 之前（har_store.load() 中）。

支持多种脱敏源，按优先级依次生效：

1. 方案 A（推荐）：Sensitive-lexicon + pyahocorasick Aho-Corasick 自动机
   • 模块导入时构建一次自动机，单次匹配时间复杂度 O(文本长度)，与词库大小无关。
   • 命中词替换为等长 *，重叠区间自动合并。
2. 方案 B：better-profanity（若已安装）
3. 方案 C：alt-profanity-check（若已安装，句子级预测）
4. 方案 D（兜底）：本地 wordlist.txt 自定义词库（正则匹配）

词库来源环境变量：

export HAR_MCP_LEXICON=/path/to/Sensitive-lexicon/sensitive-lexicon.txt   # macOS/Linux
$env:HAR_MCP_LEXICON = "D:\Sensitive-lexicon\sensitive-lexicon.txt"        # PowerShell

被脱敏的请求会在 tags 中追加 sanitized 标记。

---

安全与隐私

不返回实际值

工具	是否返回实际值	说明
har_summary	❌	body_structure 只有键名+类型
har_search	❌	body 截断到 200 字符
har_get_entry	✅	按需返回完整 body
har_extract_auth	❌	只返回 token 长度、scheme、出现次数
har_detect_patterns	❌	只返回类型、描述、entry_id 列表

防止敏感词触发

sanitizer.py 在数据落盘前对所有字符串字段做脱敏，即使是 har_get_entry 返回的 body 也是脱敏后的结果。

词库配置

通过环境变量自定义词库路径：

# 主敏感词库（Sensitive-lexicon 的 sensitive-lexicon.txt）
export HAR_MCP_LEXICON=/path/to/Sensitive-lexicon/sensitive-lexicon.txt   # macOS/Linux
$env:HAR_MCP_LEXICON = "D:\Sensitive-lexicon\sensitive-lexicon.txt"        # PowerShell

# 额外自定义词库（可选，每行一词）
export HAR_MCP_WORDLIST=/path/to/your/wordlist.txt   # macOS/Linux
$env:HAR_MCP_WORDLIST = "D:\my-wordlist.txt"          # PowerShell

Sensitive-lexicon/ 目录与 wordlist.txt 已在 .gitignore 中，不会被提交到 Git。

错误码参考

错误码	含义
NOT_LOADED	未调用 har_load
FILE_NOT_FOUND	HAR 文件路径错误
PERMISSION_DENIED	文件无读取权限
PARSE_ERROR	HAR JSON 格式损坏
ENTRY_NOT_FOUND	entry_id 不存在
INVALID_PARAMS	参数类型/范围错误
UNKNOWN_TOOL	调用了不存在的工具
INTERNAL_ERROR	内部未捕获异常（附 traceback）

---

性能基准

测试环境：Windows 11, i7-12700H, Python 3.11

HAR 文件大小	Entry 总数	API 数	加载耗时	内存峰值
5 MB	320	45	0.4s	~80 MB
20 MB	1,500	180	1.2s	~180 MB
50 MB	4,200	520	2.8s	~350 MB
100 MB	8,800	1,100	6.5s	~600 MB

以上为单次 har_load 的端到端耗时，包含 ijson 流式解析 + 清洗 + SQLite 索引构建。 har_search 单次查询耗时 < 10 ms（已建索引）。

---

常见问题

Q1：加载时报 PARSE_ERROR

HAR 文件不是合法 JSON。常见原因：

• 文件被截断（导出过程中浏览器关闭）
• 文件被编辑过，引入了语法错误

解决：重新导出 HAR，或用 python -c "import json; json.load(open('xxx.har'))" 验证 JSON 合法性。

Q2：加载后 api_count = 0

HAR 里所有请求都被识别为静态资源。可能原因：

• 该 HAR 是纯静态页面（无 XHR/Fetch）
• 启用了 api_only=True 但 URL/方法都没命中 API 规则

解决：调用 har_load(..., include_static=True, api_only=False) 重新加载，再用 har_search 探索。

Q3：脱敏后看不到真实 body

这是预期行为。如需查看原始内容：

• 关闭脱敏：
  • 删除 Sensitive-lexicon/ 目录（或设置 HAR_MCP_LEXICON 指向不存在的路径）
  • 把 wordlist.txt 设为空
  • 卸载 pyahocorasick、better-profanity、alt-profanity-check（可选，sanitizer 会自动降级为空操作）
• 直接用 Chrome DevTools 查看原始 HAR

Q4：MCP 工具列表里没有 har_*

排查步骤：

1. 终端手动执行 python /path/to/server.py，看是否报错
2. 检查 mcp.json 中的 args 路径是否正确
3. 重启 Trae
4. 查看 Trae 的 MCP 日志（通常是 ~/.trae/logs/）

Q5：HAR 文件 100+ MB，加载很慢

建议：

• 关闭 Chrome DevTools 的"Preserve log"，只录目标操作
• 在导出前用 DevTools 的 Filter 过滤无关域名
• 拆分 HAR：Chrome 的 "Export HAR (filtered)" 可以按域名筛选

Q6：能同时加载多个 HAR 文件吗？

不能。当前设计是单 HAR 单实例。har_load 会清空旧数据。

如需对比多个 HAR，建议每个 HAR 单独分析，记录 entry_id 范围。

---

开发与调试

本地冒烟测试

cd har_mcp
python -c "from har_store import HarStore; store = HarStore(); print('OK')"

手动调用 Tool

import asyncio
from server import call_tool

async def test():
    result = await call_tool("har_load", {"filepath": "/path/to/test.har"})
    print(result[0].text)  # TextContent

asyncio.run(test())

单独测试脱敏模块

from sanitizer import sanitize_string, sanitize_dict, get_sanitizer_status

print(get_sanitizer_status())
text, count = sanitize_string("这是一段含敏感词的文本")
print(f"命中词数: {count}, 结果: {text}")

# 测试嵌套 JSON
obj, count = sanitize_dict({"msg": "一段需要脱敏的文本", "code": 200})
print(f"命中词数: {count}, 结果: {obj}")

自定义配置

所有可调参数集中在 config.py：

常量	默认	说明
BODY_PREVIEW_LENGTH	500	preview 截断长度
BODY_FULL_MAX_LENGTH	50000	full body 最大长度
SEARCH_DEFAULT_LIMIT	20	har_search 默认返回数
SEARCH_MAX_LIMIT	100	har_search 单次最大返回数
BATCH_MAX_SIZE	10	har_get_entries_batch 最大条目数
STRICT_STATIC_MIME_TYPES	(集合)	严格静态 MIME 白名单
SKIP_URL_PATTERNS	(列表)	静态资源 URL 正则
API_URL_PATTERNS	(列表)	API URL 正则
KEEP_REQUEST_HEADERS	(集合)	请求 Header 白名单
KEEP_RESPONSE_HEADERS	(集合)	响应 Header 白名单
AUTH_HEADER_NAMES	(集合)	认证 Header 名
SIGNATURE_HEADER_NAMES	(集合)	签名 Header 名
PROGRESS_INTERVAL	1000	进度回调间隔

修改后重启 MCP Server 即可生效。

添加新 Tool

1. 在 server.py 的 _build_tools() 中追加 Tool(...) 定义
2. 在 call_tool() 分发器中添加 elif name == "your_tool": 分支
3. 实现 async def handle_your_tool(arguments: dict) -> dict:
4. 在 har_store.py 中添加对应的查询方法
5. 更新本 README 的工具表

---

路线图

• 多 HAR 加载与对比
• 支持 WebSocket 帧（来自 HAR 1.2 扩展字段）
• 端点 diff：对比两个 HAR 的 API 差异
• 导出分析报告（Markdown / JSON）
• 支持 HAR 增量加载（只追加新 entries）
• 提供 Web UI（FastAPI + Vue）

---

贡献

欢迎 PR 与 Issue！

提交前请确保：

1. 通过 python -c "import server" 冒烟测试
2. 新增/修改的功能有对应的测试
3. 更新本 README 相关章节
4. 遵循 PEP 8（可用 ruff 或 black 格式化）

---

许可证

本项目基于 Apache 2.0 License 开源 —— 详见 LICENSE 文件。

⚠️ 免责声明：本工具仅用于合法的安全研究、API 调试、流量分析。请勿用于未授权的系统访问、数据窃取等任何违法活动。使用者应自行承担一切法律责任。

---

致谢

• Model Context Protocol —— AI 工具调用标准
• ijson —— 流式 JSON 解析
• Sensitive-lexicon —— 社区维护的中文敏感词库
• pyahocorasick —— Aho-Corasick 字符串匹配库
• Trae IDE —— 让这一切成为可能的 AI IDE