MCP 是 Claude 发起的一个协议，在2024年10月左右发布，在2025年2月开始逐步有大批量的 AI 应用体开始支持这个协议。这个协议目的是让 AI 同时可以感知有什么工具可以用，如果要调用这些工具的话，应该是用什么样的方式。
这个 MCP 协议会重新塑造一种新的代码交互模式，安全产品的研发的思路需要发生极大的改变：我们不仅仅需要为用户构造可用的产品，还需要为 AI 构建可用的工具。
之前我们编写的代码几乎都是人在使用，现在不一定了，我们需要让代码被 AI 来调用，来迅速为 AI 补充他没有的能力，或让 AI 来决策。
在 Yak 对 AI MCP 的支持计划中，会被分为两个阶段，这两个阶段是并行的：
-
本身安全能力完全开放给 AI 工具，我们把现有的一些稳定的能力实现 MCP 接口，在支持 MCP 客户端的地方都可以快速使用；
-
教会 AI 编写 Yak 代码，如果 AI 想实现的安全能力无法在现有模块中找到，AI 可以通过编写 Yak 代码来实现他想实现的功能，当然 Yak 代码是图灵完备的，AI 理论上可以自己写代码达成自己的目标。
截止2024年2月中旬，我们确实已经实现了MCP的初步接入：
实际上，大家用 AI 的都懂：Chat 绝对不是终极交互目标，在写代码过程中，Chat 虽然和 Cursor 的交互形式背后的引擎可能是一样的，但是实践性和可用性远远比不上 Cursor 之类的工具。AI 已经发展了有这么久了，然而在我们用户中，Yakit 的操作和基础的流量分析和发包，扫描等功能，实际上是大家花了大量时间在使用的。AI 如果真的想改造创造生产力，第一个目标应该是改造 AI 生产工具。
我们一方面需要解决 AI 能力的扩充（使用 Yak 本身的安全能力和库函数），另一方面应该着手去解决安全生产力工具的革新。这个革新绝对不是简单嵌入一个 Chat Tab 可以解决的。核心的 MCP 能力通过 Yak 来接入，符合“认知飞轮”的任务型 AI 交互模式也需要重塑。“认知飞轮”循环控制：
当然，我们上面讲的是我们如何把 Yak 中已有的功能或者生产工具开放给 AI，这仅仅只是过去的知识的用法；
如果沉迷在过去，技术工具将会止步不前，AI 也会因为没有新的技术和新的能力加入，创造力变的枯竭。因此我们也会投入大量精力放在“无语料区”，AI 会极大的帮我们从琐事中抽身，让我们投身在这些“探索性”的工作中，这些工作将在未来的很长一段时间内是竞争力的体现。
在 2025 年，Yakit 遇到第一个挑战性需求是：本地 TCP 劫持。
这是一个听起来非常离谱的需求。我们的目标是，不侵入操作系统内核的情况下，仅通过安全的网络配置劫持本地 TCP，以达到类似替代 proxifier（内核设置代理）的目的。在这个过程中，脱离操作系统内核会让这个行为变成一个纯用户行为，并且可移植性被认为是“非常好”。
这种新的劫持技术会重新改造大家对 Yakit 或者基于代理的习惯。同时也可实现之前几乎无法实现的功能：如果一个 HTTP 应用无法设置 HTTP 代理或者 Socks 代理，那应该如何劫持 HTTP 协议？
我们实际上知道，VPN 理论上是可以拿到很多流量的，但是一般 VPN 不做 MITM 的支持，这是为什么？
-
TCP 以数据帧的形式在 VPN 隧道中传输；
-
即使 TCP 数据帧被重组了后，TCP 传输内容被修改了，仍然需要重新切割数据帧保证 ID 都是连续对应的。
很多时候，我们知道数据帧重组这个事情本身是一个操作系统干的事儿（当然在一些高级产品或者应用中也有实现，比如 Wireshark 或 Yakit 的抓包系统算法中）。
如果我们能控制 TCP 数据帧重组（PDU重组）和拆分过程，那么理论上来说，VPN 的实现方式完全可以被改造为 TCP MITM。我们梳理了整个过程，并完成了一个最小原型验证 VPN 方式进行 TCP 劫持的可行性：
届此功能实现在 Yakit 与大家见面的时候，Yakit 应该是首个实现 VPN 级别 MITM 劫持的工具和产品。在这种方案的帮助下，理论上用户应该不再需要 Proxifier 之类的内核修改代理等方案定向劫持了。
值得一提的是，我们利用 gVisor 已实现了网络虚拟机的构建，可以替代任何主机与本地客户端进行握手，同时也有很多办法可以绕过系统路由表的“环路”限制。
在这个重要的产品 PoC 实现过程中，我们发现这个需求的实现几乎完全没有语料，现有的很多语料和散落的知识对这个 PoC 几乎不适用。在这个系统构建过程中，AI 的帮助几乎都是反作用：
-
gVisor 在大版本更新后，AI 无法准确了解它里面 AI 的具体含义，你想实现的功能几乎无法使用 AI 来实现。
-
AI 幻觉非常严重，一些不存在的 AI 会让你反复确认原生库中是否真的有这个代码，浪费大量时间
-
gVisor 本身仓库的构建使用 bazel 工具，主仓库无法直接使用 go get 之类的命令直接安装，需要做一些小小的额外参数，虽然改动不大，但是操作员没有深入的基础知识的情况下，AI 无法自己修复整个工具链的报错。
虽然在解决这个 PoC 过程中，Cursor 等 AI 工具仍然帮助了业务基础代码和一些小代码的生成，但是总体来说，核心时间和调试代码的工具链还是依赖于大量的“传统”并且“精准”的工具链。
我们在 Yak 开源的时候，就一直在反复提“安全能力融合”的概念。早些日子我们只能实现一些“攻击性”的安全能力，随着 Yak 项目和基础设施的逐步完善和发展，我们今年实现了除了攻击扫描类之外的安全基础设施：流量安全基础设施：兼容型流量安全规则分析引擎，流量生成器，网络虚拟机引擎；编译级静态代码分析引擎；
这些算法和引擎的代码实现在 AI 的发展下，并没有丧失他们原本的光辉，在 AI 全面改造安全技术发展过程中，会逐步发挥他们更大的威力。同样的，我们之前通过 Yaklang 这个图灵完备容器实现的“融合”效果也只会在 AI 的浪潮中变的更快更强更具有实践性。
END
YAK官方资源
Yak 语言官方教程：
Yak：致力于安全能力融合的语言 | Yak Program Language
Yakit 视频教程：
YakProject的个人空间-YakProject个人主页-哔哩哔哩视频
Github下载地址：
GitHub - yaklang/yakit: Cyber Security ALL-IN-ONE Platform
GitHub - yaklang/yaklang: A programming language exclusively designed for cybersecurity
Yakit官网下载地址：
https://yaklang.com/
Yakit安装文档：
下载安装与更新配置 | Yak Program Language
Yakit使用文档：
Yakit: 集成化单兵安全能力平台 | Yak Program Language
常见问题速查：
FAQ | Yak Program Language
