大模型全自动攻防渗透：HexStrike-AI 与 MCP 联动部署实战教程（从零搭建完整避坑手册）

在AI赋能网络安全的当下，HexStrike-AI 作为一款基于Python开发的AI驱动型安全自动化工具，凭借其内置的150+安全探测工具、AI智能决策能力，成为轻量化渗透测试、内网安全巡检的优选工具。而MCP（Model Control Protocol，模型控制协议）作为大模型与外部工具联动的核心桥梁，能够实现大模型（如TRAE）与HexStrike-AI的无缝对接，让技术人员通过自然语言对话，即可一键发起安全探测、自动获取结构化结果，大幅降低安全运维的技术门槛，提升工作效率。

本文将从技术原理、环境部署、配置联动、功能实测、问题排查五个维度，详细讲解HexStrike-AI与MCP的完整联动流程，涵盖Kali Linux服务端部署、Windows客户端配置、TRAE大模型MCP环境搭建等全步骤，补充每一步的操作原理、注意事项和常见报错解决方案，适合网络安全从业人员、运维人员及技术爱好者学习实践，确保新手也能顺利完成联动部署。

一、技术原理与整体架构解析

1.1 HexStrike-AI 核心功能介绍

HexStrike-AI 是一款开源的AI安全自动化工具，本质上是一个MCP服务器，能够让AI大模型（Claude、GPT、TRAE等）自主调用150+主流安全工具，实现自动化渗透测试、漏洞发现、资产探测等功能。其核心优势在于：

工具集成丰富：内置网络安全（nmap、masscan）、Web应用（sqlmap、gobuster）、二进制分析（ghidra、radare2）、云安全（prowler、trivy）等多类工具，覆盖渗透测试全流程；
AI智能联动：支持AI自主选择工具、优化参数、分析结果，无需人工干预即可完成复杂探测任务；
轻量化部署：基于Python开发，跨平台支持Kali、Windows、Linux等系统，部署流程简单，资源占用低；

1.2 MCP 协议作用与联动逻辑

MCP（Model Control Protocol）即模型控制协议，是连接大模型与外部工具的标准化协议，其核心作用是实现“大模型指令→MCP客户端→MCP服务器→外部工具”的指令传递与结果反馈，打破大模型“只能对话、无法实操”的局限。HexStrike-AI 与 MCP 的联动逻辑如下：

1. 部署HexStrike-AI服务端（Kali Linux）：启动MCP服务器，监听指定端口（默认8888），对外提供工具调用接口；
2. 配置MCP客户端（Windows）：安装MCP依赖库，指定HexStrike-AI服务端地址、Python解释器路径，实现客户端与服务端的连通；
3. 大模型配置MCP服务（TRAE）：通过JSON配置文件，将MCP客户端与大模型关联，让大模型能够识别并调用HexStrike-AI的工具接口；
4. 指令执行与结果反馈：用户在大模型输入自然语言指令（如“扫描目标IP端口”），大模型通过MCP协议将指令传递给HexStrike-AI服务端，服务端执行对应工具，将结果整理后通过MCP反馈给大模型，最终以结构化形式呈现给用户。

1.3 整体部署架构

本次联动部署采用“跨系统协同”架构，具体如下：

- 服务端：Kali Linux（版本2024.1），部署HexStrike-AI，作为MCP服务器，提供工具调用、任务执行、结果处理等核心能力；
- 客户端：Windows 10/11，安装Python3.10、MCP依赖库，作为MCP客户端，负责与服务端通信，传递大模型指令；
- 控制端：TRAE大模型，作为指令发起端，通过MCP配置关联客户端，实现自然语言驱动安全探测；
- 网络要求：Kali与Windows处于同一内网网段，关闭防火墙或放行对应端口，确保双向通信正常。

二、Kali Linux 部署 HexStrike-AI 服务端（详细步骤）

Kali Linux 作为网络安全专用系统，内置了大部分安全工具依赖，是部署HexStrike-AI服务端的最优选择。本次部署使用Kali Linux系统，Python3.10环境，全程使用命令行操作，每一步均补充操作原理和注意事项。

2.1 前置环境准备与核验

2.1.1 系统环境要求

- 系统版本：Kali Linux ；
- Python版本：≥3.9（本文示例使用Python3.10，避免版本过低导致依赖安装失败）；
- 网络环境：能够访问网络（用于拉取源码、下载依赖），与Windows客户端处于同一内网网段；
- 权限要求：使用root用户操作（避免权限不足导致的文件读写、服务启动失败）。

2.1.2 Python环境核验与安装

查看当前Python版本

python3 --version
python --version

以我的旧环境kali2023为例，默认的python环境为python3.9，如下所示。

不过我在使用默认的python 3.9版本时多次报错，且我这个kali有点过旧，安装依赖时遇到很多问题，故而我这里直接选择使用系统自带的python3.10，如下所示使用python3.10 --version确认存在此版本，具体如下图所示。

2.2 HexStrike-AI 下载源码

HexStrike-AI 源码托管在GitHub（https://github.com/0x4m4/hexstrike-ai），需使用git命令拉取，若Kali未安装git，需先安装：

# 安装git
apt install -y git

# 拉取源码（克隆项目到当前用户根目录）
git clone https://github.com/0x4m4/hexstrike-ai.git

接下来我们来看下源码结构，命令如下所示。

# 进入项目目录，查看源码结构
cd ~/hexstrike-ai
ls -l

- hexstrike_server.py：服务端核心脚本，负责监听MCP端口、接收指令、执行工具，集成仪表盘启动逻辑，需通过--dashboard参数启动仪表盘服务；

- hexstrike_mcp.py：MCP客户端脚本，负责与服务端通信，传递指令和结果，此前已修复hakrawler、bycrypt等相关问题；

- requirements.txt：项目依赖清单，未包含仪表盘所需的Flask依赖，需手动安装，此前已同步修复相关依赖问题；

注意事项：若拉取源码失败（如网络超时），可直接访问GitHub地址（https://github.com/0x4m4/hexstrike-ai）下载源码压缩包，上传到Kali后解压，解压命令：unzip hexstrike-ai-main.zip -d ~/hexstrike-ai；解压后需确认核心文件（hexstrike_server.py、hexstrike_mcp.py、requirements.txt等）存在，缺失则需重新下载，无需查找dashboard目录和app.py文件（源码中无此类文件）。

2.3、安装依赖

pip是Python的包管理工具，HexStrike-AI的依赖库需要通过pip安装，由于默认pip源为国外地址，下载速度慢且易超时，因此需先升级pip，并配置清华源加速下载。

2.3.1 强制升级pip

使用官方get-pip.py脚本强制升级pip到最新版本（避免旧版本pip无法安装高版本依赖）：

# 下载get-pip.py脚本
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py

# 使用Python3.10强制升级pip
python3.10 get-pip.py --force-reinstall

# 删除脚本（避免占用空间）
rm get-pip.py

原理说明：--force-reinstall参数表示强制重新安装pip，确保覆盖系统中旧版本的pip，避免出现“pip版本与Python版本不匹配”的问题。

2.3.2 安装依赖库

进入HexStrike-AI项目目录，先安装requirements.txt中的依赖，具体如下所示：

# 进入项目目录
cd ~/hexstrike-ai

# 安装项目默认依赖（使用清华源加速）
python3.10 -m pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

注意事项：若未配置国内源，如果安装依赖时速度较慢，此时可在安装命令后临时添加-i参数指定清华源，如：pip3.10 install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple。

2.4 启动HexStrike-AI服务端

依赖安装完成后，需同时启动MCP服务，启动前需确认端口8888未被占用，因为hexstrike-ai的默认启动端口就是8888，启动指令如下所示。

# 进入项目目录
cd ~/hexstrike-ai

# 启动HexStrike-AI MCP服务（Python3.10执行）
python3.10 hexstrike_server.py

执行后效果如下，启动成功的标志：终端输出“* Running on http://0.0.0.0:8888 (Press CTRL+C to quit)”。特别注意启动后不要关闭终端，若关闭终端，服务会自动停止。

仔细观察上图，这里面出现多个 Running on http://X.X.X.X:8888 。这里我们要使用和windows主机ip地址同一网段的为192.168.59.132，故hexstrike-ai监听端口为http://192.168.59.132:8888。

三、Windows 配置 MCP 调用客户端

Windows系统作为MCP客户端，负责与Kali上的HexStrike-AI服务端通信，传递大模型的探测指令。

3.1 安装Python3.10并配置环境变量

本部分首先需要满足条件的python环境，安装MCP依赖库，并存放HexStrike-AI源码，确保能够正常调用MCP脚本。以我的环境为例，电脑中已经安装了满足条件的Python3.10环境，如果没有安装python的话，需要在windows靶场安装python环境。

1. 下载Python3.10安装包：访问Python官方网站（https://www.python.org/downloads/release/python-31016/），下载Windows版本的安装包（64-bit Installer）；
2. 安装Python3.10：双击安装包，勾选“Add Python 3.10 to PATH”（自动添加环境变量，关键步骤，避免后续手动配置），点击“Install Now”，等待安装完成；
3. 验证安装：打开CMD命令提示符，输入以下命令，查看Python版本：

python --version pip --version

若输出Python 3.10.x和pip 26.x.x（与Kali升级后的pip版本一致），说明安装成功。

3.2 安装MCP核心依赖库

3.2.1 安装依赖

MCP客户端需要安装mcp和requests两个核心依赖库，mcp库用于实现MCP协议通信，requests库用于发送HTTP请求，与HexStrike-AI服务端交互。打开CMD命令提示符，输入以下命令安装依赖：

pip install mcp requests

安装过程中，pip会自动下载并安装mcp、requests及其依赖的其他库（如anyio、httpx、pydantic等），等待安装完成即可。

3.2.2 解决报错

如果报错：Fatal error in launcher: Unable to create process using '"E:\one-fox\one-fox8\Python310\python.exe" "C:\tools\ONE-FOX8\Python310\Scripts\pip.exe" install mcp requests': ???????????

解决方法如下：

（1）步骤1：重置pip，修复pip与Python的关联：

python -m ensurepip --upgrade

Looking in links: c:\Users\LJN\AppData\Local\Temp\tmpe08qc9r2
Requirement already satisfied: setuptools in c:\tools\one-fox8\python310\lib\site-packages (57.4.0)
Requirement already satisfied: pip in c:\tools\one-fox8\python310\lib\site-packages (24.1)

执行后，终端会输出“Requirement already satisfied: setuptools...”“Requirement already satisfied: pip...”，表示重置成功。

（2）步骤2：强制升级pip到最新版本

python -m pip install --upgrade pip

Requirement already satisfied: pip in c:\tools\one-fox8\python310\lib\site-packages (24.1)
Collecting pip
  Downloading pip-26.1.1-py3-none-any.whl.metadata (4.6 kB)
Downloading pip-26.1.1-py3-none-any.whl (1.8 MB)
   ---------------------------------------- 1.8/1.8 MB 406.3 kB/s eta 0:00:00
Installing collected packages: pip
  Attempting uninstall: pip
    Found existing installation: pip 24.1
    Uninstalling pip-24.1:
      Successfully uninstalled pip-24.1
Successfully installed pip-26.1.1

该命令会将pip升级到最新版本（如26.1.1），覆盖旧版本的pip，解决版本不兼容问题。

（3）步骤3：再次尝试安装依赖

pip install mcp requests

Collecting mcp
  Downloading mcp-1.27.1-py3-none-any.whl.metadata (8.2 kB)
Requirement already satisfied: requests in c:\tools\one-fox8\python310\lib\site-packages (2.28.1)
Collecting anyio>=4.5 (from mcp)
  Downloading anyio-4.13.0-py3-none-any.whl.metadata (4.5 kB)
Collecting httpx-sse>=0.4 (from mcp)
  Downloading httpx_sse-0.4.3-py3-none-any.whl.metadata (9.7 kB)
Collecting httpx<1.0.0,>=0.27.1 (from mcp)
  Downloading httpx-0.28.1-py3-none-any.whl.metadata (7.1 kB)
Collecting jsonschema>=4.20.0 (from mcp)
  Downloading jsonschema-4.26.0-py3-none-any.whl.metadata (7.6 kB)
Collecting pydantic-settings>=2.5.2 (from mcp)
  Downloading pydantic_settings-2.14.1-py3-none-any.whl.metadata (3.4 kB)
Collecting pydantic<3.0.0,>=2.11.0 (from mcp)
  Downloading pydantic-2.13.4-py3-none-any.whl.metadata (109 kB)
Collecting pyjwt>=2.10.1 (from pyjwt[crypto]>=2.10.1->mcp)
  Downloading pyjwt-2.12.1-py3-none-any.whl.metadata (4.1 kB)
Collecting python-multipart>=0.0.9 (from mcp)
  Downloading python_multipart-0.0.29-py3-none-any.whl.metadata (2.1 kB)
Collecting pywin32>=310 (from mcp)
  Downloading pywin32-311-cp310-cp310-win_amd64.whl.metadata (10 kB)
Collecting sse-starlette>=1.6.1 (from mcp)
  Downloading sse_starlette-3.4.4-py3-none-any.whl.metadata (15 kB)
Collecting starlette>=0.27 (from mcp)
  Downloading starlette-1.0.0-py3-none-any.whl.metadata (6.3 kB)
Requirement already satisfied: typing-extensions>=4.9.0 in c:\tools\one-fox8\python310\lib\site-packages (from mcp) (4.12.2)
Collecting typing-inspection>=0.4.1 (from mcp)
  Downloading typing_inspection-0.4.2-py3-none-any.whl.metadata (2.6 kB)
Collecting uvicorn>=0.31.1 (from mcp)
  Downloading uvicorn-0.47.0-py3-none-any.whl.metadata (6.7 kB)
Requirement already satisfied: certifi in c:\tools\one-fox8\python310\lib\site-packages (from httpx<1.0.0,>=0.27.1->mcp) (2022.6.15)
Collecting httpcore==1.* (from httpx<1.0.0,>=0.27.1->mcp)
  Downloading httpcore-1.0.9-py3-none-any.whl.metadata (21 kB)
Requirement already satisfied: idna in c:\tools\one-fox8\python310\lib\site-packages (from httpx<1.0.0,>=0.27.1->mcp) (3.3)
Collecting h11>=0.16 (from httpcore==1.*->httpx<1.0.0,>=0.27.1->mcp)
  Downloading h11-0.16.0-py3-none-any.whl.metadata (8.3 kB)
Collecting annotated-types>=0.6.0 (from pydantic<3.0.0,>=2.11.0->mcp)
  Downloading annotated_types-0.7.0-py3-none-any.whl.metadata (15 kB)
Collecting pydantic-core==2.46.4 (from pydantic<3.0.0,>=2.11.0->mcp)
  Downloading pydantic_core-2.46.4-cp310-cp310-win_amd64.whl.metadata (6.7 kB)
Collecting typing-extensions>=4.9.0 (from mcp)
  Downloading typing_extensions-4.15.0-py3-none-any.whl.metadata (3.3 kB)
Requirement already satisfied: charset-normalizer<3,>=2 in c:\tools\one-fox8\python310\lib\site-packages (from requests) (2.0.12)
Requirement already satisfied: urllib3<1.27,>=1.21.1 in c:\tools\one-fox8\python310\lib\site-packages (from requests) (1.26.9)
Collecting exceptiongroup>=1.0.2 (from anyio>=4.5->mcp)
  Downloading exceptiongroup-1.3.1-py3-none-any.whl.metadata (6.7 kB)
Collecting attrs>=22.2.0 (from jsonschema>=4.20.0->mcp)
  Downloading attrs-26.1.0-py3-none-any.whl.metadata (8.8 kB)
Collecting jsonschema-specifications>=2023.03.6 (from jsonschema>=4.20.0->mcp)
  Downloading jsonschema_specifications-2025.9.1-py3-none-any.whl.metadata (2.9 kB)
Collecting referencing>=0.28.4 (from jsonschema>=4.20.0->mcp)
  Downloading referencing-0.37.0-py3-none-any.whl.metadata (2.8 kB)
Collecting rpds-py>=0.25.0 (from jsonschema>=4.20.0->mcp)
  Downloading rpds_py-0.30.0-cp310-cp310-win_amd64.whl.metadata (4.2 kB)
Requirement already satisfied: python-dotenv>=0.21.0 in c:\tools\one-fox8\python310\lib\site-packages (from pydantic-settings>=2.5.2->mcp) (1.0.1)
Requirement already satisfied: cryptography>=3.4.0 in c:\tools\one-fox8\python310\lib\site-packages (from pyjwt[crypto]>=2.10.1->mcp) (43.0.1)
Requirement already satisfied: cffi>=1.12 in c:\tools\one-fox8\python310\lib\site-packages (from cryptography>=3.4.0->pyjwt[crypto]>=2.10.1->mcp) (1.17.1)
Requirement already satisfied: pycparser in c:\tools\one-fox8\python310\lib\site-packages (from cffi>=1.12->cryptography>=3.4.0->pyjwt[crypto]>=2.10.1->mcp) (2.22)
Requirement already satisfied: click>=7.0 in c:\tools\one-fox8\python310\lib\site-packages (from uvicorn>=0.31.1->mcp) (8.1.7)
Requirement already satisfied: colorama in c:\tools\one-fox8\python310\lib\site-packages (from click>=7.0->uvicorn>=0.31.1->mcp) (0.4.4)
Downloading mcp-1.27.1-py3-none-any.whl (216 kB)
Downloading httpx-0.28.1-py3-none-any.whl (73 kB)
Downloading httpcore-1.0.9-py3-none-any.whl (78 kB)
Downloading pydantic-2.13.4-py3-none-any.whl (472 kB)
Downloading pydantic_core-2.46.4-cp310-cp310-win_amd64.whl (2.1 MB)
   ------------------------- -------------- 1.3/2.1 MB 234.6 kB/s eta 0:00:04

3.3 下载并存放HexStrike-AI源码

Windows客户端需要使用HexStrike-AI的mcp脚本（hexstrike_mcp.py）与服务端通信，因此需要下载源码并解压到本地自定义目录，步骤如下：

3.3.1 下载源码

访问GitHub地址（https://github.com/0x4m4/hexstrike-ai），点击“Code”→“Download ZIP”，下载源码压缩包；

3.3.2 解压源码

将压缩包解压到自定义目录，示例路径：D:\web\bp\hexstrike-ai（路径不要包含中文、空格，避免脚本调用失败）；

3.3.3 确认核心脚本路径

找到hexstrike_mcp.py文件，记录其完整路径，后续配置MCP时需要使用。以我的环境为例，路径如下所示。

D:\web\bp\hexstrike-ai\hexstrike_mcp.py

注意事项：解压后的源码目录结构需与Kali上的一致，确保hexstrike_mcp.py能够正常调用其他依赖脚本，若路径包含中文，可能导致Python无法识别脚本，出现“FileNotFoundError”。

四、TRAE大模型配置MCP联动规则

TRAE大模型作为指令发起端，需要通过MCP配置关联Windows客户端，实现与HexStrike-AI服务端的联动，核心是编写MCP配置JSON文件，导入TRAE并启用服务，确保大模型能够正常调用HexStrike-AI的工具接口。

4.1 编写MCP服务配置JSON

MCP配置JSON文件的核心作用是告诉TRAE大模型：MCP客户端的Python解释器路径、MCP脚本路径、HexStrike-AI服务端地址，从而建立大模型与服务端的通信链路。配置文件的编写需注意以下几点：

Windows路径中的反斜杠（\）需改为双反斜杠（\\），因为JSON中反斜杠是转义字符，单反斜杠会导致配置解析失败；
确保Python解释器路径、MCP脚本路径、服务端地址正确无误；

4.1.1 配置方式1：完整Python绝对路径（推荐）

若Python未加入系统环境变量，或存在多个Python版本，建议填写完整的Python解释器绝对路径，避免调用错误，我这里python已经加入到环境变量，配置如下：

{
  "mcpServers": {
    "hexstrike-ai": {
      "command": "python",
      "args": [
        "D:\\web\\bp\\hexstrike-ai\\hexstrike_mcp.py",
        "--server",
        "http://192.168.59.132:8888/"
      ]
    }
  }
}

对于python没有加入到环境变量的情况下，可以写python所在的绝对路径，如下所示。

{
  "mcpServers": {
    "hexstrike-ai": {
      "command": "D:\\web\\one-fox8\\Python310\\python.exe",
      "args": [
        "D:\\web\\bp\\hexstrike-ai\\hexstrike_mcp.py",
        "--server",
        "http://192.168.59.132:8888/"
      ]
    }
  }
}

参数说明：

- "mcpServers"：MCP服务列表，可配置多个MCP服务，此处仅配置hexstrike-ai；
- "hexstrike-ai"：MCP服务名称，自定义即可，便于识别；
- "command"：Python解释器绝对路径，即Windows上Python3.10的安装路径；
- "args"：参数列表，依次为MCP脚本路径、服务端地址（--server是固定参数，指定HexStrike-AI服务端地址，8888端口，仅用于MCP指令通信）。

4.1.2 配置方式2：Python已加入环境变量（极简配置）

若Python3.10已成功加入系统环境变量，可直接使用“python”作为命令，无需填写完整路径，配置如下：

{ "mcpServers": { "hexstrike-ai": { "command": "python", "args": [ "D:\\web\\bp\\hexstrike-ai\\hexstrike_mcp.py", "--server", "http://192.168.59.132:8888/" ] } } }

注意事项：该方式仅适用于Python已加入环境变量，且系统中只有Python3.10一个版本的情况，否则可能调用错误的Python版本。

4.2 大模型导入MCP配置

我使用的大模型为TRAE，在上一步配置JSON文件编写完成后，需将其导入道TRAE大模型客户端，建立大模型与MCP客户端的关联，步骤如下：

1. 打开TRAE大模型客户端，登录账号后，找到左侧菜单栏中的“MCP配置”入口（不同版本TRAE位置可能略有差异，通常在“设置”→“MCP服务”中），点击“添加MCP服务”，选择“手动配置”模式（若有“导入JSON”选项，可直接导入编写好的JSON文件）；

3. 将编写好的JSON配置内容复制粘贴到配置框中，仔细核对路径、服务端地址是否正确，避免拼写错误；

4. 点击“确定”保存配置，此时TRAE会自动验证配置的有效性，效果如下所示；

5. 在MCP服务列表中，找到“hexstrike-ai”服务，点击“开启”。若配置正确，服务状态变为“绿色对勾”时，说明MCP联动配置成功，大模型已能够与HexStrike-AI服务端通信。

此时上图H左边的箭头，如下所示出现hexstrike-ai可调用的函数列表，如下所示。

4.3 确认MCP配置是否生效

我们向大模型发送如下指令“使用hexstrike-ai的mcp，确认该服务是否已经启动，检查其可调用函数是哪些”，具体如下所示。

如下所示，TRAE调用hexstrike-ai的MCP成功，部分截图如下所示。

五、渗透实战：AI调用HexStrike-AI完成端口扫描

MCP联动配置完成后，即可通过TRAE大模型输入自然语言指令，调用HexStrike-AI的安全工具完成探测任务，本次以“端口扫描”为例，详细演示整个操作流程、结果解析。

5.1 实测准备

确保Kali上的HexStrike-AI MCP服务正常运行（终端未关闭，或后台运行）；
确保Windows上的MCP服务已开启（TRAE中显示绿色对勾）；
确保Kali与Windows处于同一内网网段，网络通信正常（可通过Windows ping Kali的IP地址验证：ping 192.168.59.132）；
目标IP：本次以Kali自身IP（192.168.59.132）为探测目标，扫描其开放端口，验证工具调用效果。

5.2 发起探测指令

打开TRAE大模型对话窗口，输入自然语言探测指令，无需编写复杂命令，大模型会自动解析指令并调用对应工具，具体指令：“帮我探测192.168.59.132开启了哪些端口，使用HexStrike-AI的nmap工具进行扫描，输出详细的扫描结果，包括端口状态、对应服务和版本信息。”效果如下所示。

5.3 大模型指令解析与工具调用过程

TRAE大模型接收指令后，会完成以下操作（可通过TRAE日志查看详细过程）：

1. 解析用户指令：识别出探测目标为192.168.59.132，探测任务为端口扫描，指定工具为nmap；
2. 调用MCP协议：通过配置的MCP客户端，将指令转换为HexStrike-AI可识别的格式，发送给Kali上的HexStrike-AI服务端（8888端口）；
3. 服务端执行工具：HexStrike-AI服务端接收指令后，调用内置的nmap_scan()工具，发起端口扫描；
4. 结果反馈：扫描完成后，服务端将扫描结果整理为结构化数据，通过MCP协议反馈给Windows客户端，再由客户端传递给TRAE大模型；
5. 结果呈现：大模型将结构化结果转换为自然语言，分类呈现给用户，包括端口状态、服务信息、扫描详情等。

此时如果打开kali执行python3.10 hexstrike_server.py的页面，会发现其在执行大模型发出的指令，效果如下所示。

5.4 实测结果解析

TRAE大模型最终输出的扫描结果如下所示，可知TRAE调用kali系统中的nmap工具成功。

此时我们关注kali系统的hexstrike-ai的调试信息输出，如下所示。

03:59,592 - __main__ - INFO - │ 📊 FINAL RESULTS ✅
2026-05-21 03:03:59,592 - __main__ - INFO - ├─────────────────────────────────────────────────────────────────────────────┤
2026-05-21 03:03:59,592 - __main__ - INFO - │ 🚀 Command: nmap -sV 192.168.59.132
2026-05-21 03:03:59,592 - __main__ - INFO - │ ⏱  Duration: 90.80s
2026-05-21 03:03:59,592 - __main__ - INFO - │ 📊 Output Size: 3615 bytes
2026-05-21 03:03:59,592 - __main__ - INFO - │ 🔢 Exit Code: 0
2026-05-21 03:03:59,592 - __main__ - INFO - │ 📈 Status: SUCCESS | Cached: Yes
2026-05-21 03:03:59,593 - __main__ - INFO - ╰─────────────────────────────────────────────────────────────────────────────╯
2026-05-21 03:03:59,593 - __main__ - INFO - 💾 Cached result for command: nmap -sV 192.168.59.132
2026-05-21 03:03:59,593 - __main__ - INFO - 📊 Nmap scan completed for 192.168.59.132