RemoteCommandExeced

一个受限的远程命令执行工具，专为 AI 模型设计。通过 MCP 协议让大模型在生产/测试环境的服务器上安全地执行诊断命令。

可以理解为一个阉割过的 SSH：只允许执行白名单内的命令，危险操作一律禁止。

架构

┌─────────────┐    stdio     ┌─────────────┐    gRPC     ┌─────────────┐
│   AI Model  │ ◄──────────► │  MCP Server  │ ──────────► │ gRPC Server │
│ (Claude etc) │              │  (本地运行)   │             │ (Linux 服务器) │
└─────────────┘              └─────────────┘             └─────────────┘

• gRPC Server：部署在目标 Linux 服务器上，接收并执行命令
• MCP Server：本地运行，通过 stdio 与 AI 模型通信，转发请求到 gRPC Server

安全机制

本项目采用应用层 + OS 层纵深防御，缺一不可。

应用层

黑名单（硬编码，不可绕过）

以下命令无论白名单如何配置都永远禁止：

rm rmdir mkfs dd shred mv truncate

同时禁止 >（输出重定向）、`（反引号）、$() （命令替换）。

管道 |、;、&&、|| 允许使用，但会拆分出每个子命令逐一检查黑名单和白名单。

白名单（前缀匹配）

只有匹配白名单前缀的命令才能执行。例如配置 "docker ps" 后：

• docker ps -a — 允许
• docker rm xxx — 拒绝

Delete 接口

文件删除通过独立的 delete_file 接口完成，自动保护系统关键路径（/、/usr、/etc、/bin 等）。

OS 层（强烈建议配置）

如果你以 root 用户或高权限用户运行本服务，且白名单中包含解释器（python、perl 等），LLM 可以通过解释器执行任意代码，实现无限提权。

例如白名单包含 python3 时，LLM 可以：

python3 -c "import os; os.system('rm -rf /')"
python3 -c "import subprocess; subprocess.run(['chmod', '777', '/etc/shadow'])"
python3 -c "import os; os.setuid(0)"  # 如果进程本身是 root

应用层黑名单在这里完全无效，因为 rm 是由 Python 进程内部发起的，不经过本工具的检查。

创建受限用户

# 创建专用用户，禁止登录
useradd -r -s /usr/sbin/nologin rce

在配置文件中指定 run_as，服务启动时会自动降权：

{
  "listen": ":9090",
  "password": "your-password-here",
  "run_as": "rce",
  "allow_list": [...]
}

启动时需要 root 权限（降权后自动释放）：

sudo ./rce server server_config.json
# 日志: switched to user 'rce' (uid=xxx, gid=xxx)

控制解释器访问

通过 Linux 文件权限决定 rce 用户能否执行解释器：

# 方法一：只允许特定组执行 python
chmod 750 /usr/bin/python3
chgrp staff /usr/bin/python3
# rce 用户不在 staff 组 → 无法执行 python3

# 方法二：如果需要 python 诊断，只放行特定脚本
# 白名单写 "python3 /opt/scripts/diag.py" 而不是裸放 "python3"

限制文件系统权限

# 确保 rce 用户对关键目录只有读权限
chmod o-w /etc /usr /var
# rce 用户即使通过解释器调用 rm，也因没有写权限而失败

安全等级参考

快速开始

编译

go build -o rce .

如需重新生成 protobuf 代码：

protoc --go_out=. --go_opt=paths=source_relative \
       --go-grpc_out=. --go-grpc_opt=paths=source_relative \
       proto/executor.proto

启动 Server（Linux 服务器）

1. 创建配置文件 server_config.json：

{
  "listen": ":9090",
  "password": "your-password-here",
  "run_as": "rce",
  "allow_list": [
    "ps", "top", "df", "du", "free", "uptime",
    "cat", "head", "tail", "grep", "find", "ls",
    "netstat", "ss", "ip",
    "systemctl status", "journalctl",
    "docker ps", "docker logs", "docker inspect",
    "kubectl get", "kubectl describe", "kubectl logs"
  ]
}

1. 启动（配置了 run_as 需要 root 权限）：

sudo ./rce server server_config.json

启动 MCP（本地）

1. 创建配置文件 mcp_config.json：

{
  "server_addr": "your-server-ip:9090",
  "password": "your-password-here"
}

1. 在 AI 工具中配置 MCP：

{
  "mcpServers": {
    "remote-exec": {
      "command": "/path/to/rce",
      "args": ["mcp", "/path/to/mcp_config.json"]
    }
  }
}

MCP 工具

项目结构

├── main.go                       # 入口，支持 server/mcp 两种模式
├── proto/
│   └── executor.proto            # gRPC 协议定义
├── server/
│   └── server.go                 # gRPC 服务实现（黑名单 + 白名单 + Delete）
├── mcp/
│   └── mcp.go                    # MCP stdio 服务
├── config/
│   └── config.go                 # 配置加载
├── server_config.example.json    # Server 配置示例
└── mcp_config.example.json       # MCP 配置示例