mcp_zoomeye 是一款 MCP 服务器，旨在为 AI 模型提供强大的网络资产信息查询能力。它允许开发者利用 ZoomEye 的搜索引擎，通过 dork 语法检索互联网连接的设备、服务和漏洞信息。该服务器通过标准化的 MCP 接口与 AI 模型无缝集成，使 AI 能够理解和分析网络安全态势，辅助安全分析、威胁情报等任务。

mcp_zoomeye 的核心价值在于简化了 AI 模型访问网络空间数据的流程。开发者无需编写复杂的 API 调用代码，只需通过自然语言或结构化查询，即可获取所需的网络资产信息。其内置的缓存机制和自动重试功能进一步提升了性能和稳定性。通过 mcp_zoomeye，开发者可以充分利用 ZoomEye 的数据资源，构建更智能、更强大的安全应用。该服务器支持多种安装方式，包括 PIP、Docker 和 uv，方便开发者快速部署和使用。

网络资产信息检索

mcp_zoomeye的核心功能是允许AI模型通过ZoomEye搜索引擎检索网络资产信息。它接受自然语言查询，并将其转换为ZoomEye的dork查询语法，从而实现对互联网连接设备、服务和漏洞的搜索和分析。该功能使得AI模型能够理解并利用ZoomEye强大的网络空间测绘能力，为安全分析、威胁情报和漏洞管理等应用提供数据支持。例如，安全分析师可以使用AI助手，通过自然语言提问“查找所有运行Apache Tomcat的服务器”，mcp_zoomeye会将此转化为ZoomEye的app:"Apache Tomcat"查询，并返回相关的IP地址、地理位置、开放端口等信息。这极大地简化了信息收集过程，提高了工作效率。

缓存机制优化性能

为了提高性能并减少对ZoomEye API的调用次数，mcp_zoomeye实现了缓存机制。该机制缓存了查询结果，并在后续相同或相似的查询中直接返回缓存数据，避免重复请求API。缓存时间可配置，允许用户根据实际需求调整缓存策略。此外，用户还可以通过设置ignore_cache参数来绕过缓存，强制从ZoomEye API获取最新数据。例如，在需要实时监控特定网络资产变化时，可以禁用缓存以确保获取最新信息。技术实现上，缓存可以使用内存缓存或更持久化的存储方案，如Redis，以适应不同的部署环境和性能需求。

自动重试机制

mcp_zoomeye集成了自动重试机制，以应对API请求失败的情况。当由于网络问题、API服务不稳定或其他原因导致请求失败时，该机制会自动重新发送请求，直至成功或达到最大重试次数。这提高了系统的稳定性和可靠性，确保AI模型能够尽可能地获取所需数据。例如，在网络环境不稳定的情况下，自动重试机制可以显著减少因偶发性网络错误导致的查询失败。技术实现上，重试机制通常采用指数退避算法，即每次重试之间的时间间隔逐渐增加，以避免对API服务造成过大的压力。

集成多种AI助手和开发环境

mcp_zoomeye设计为与多种AI助手和开发环境无缝集成，包括Claude Desktop、Cursor、Windsurf、Cline、Continue和Zed等。这种广泛的兼容性使得开发者可以在自己熟悉的环境中使用mcp_zoomeye，无需切换工具或学习新的界面。通过简单的配置，这些AI助手和开发环境就可以利用mcp_zoomeye提供的网络资产信息检索能力，从而增强其功能和应用场景。例如，开发者可以在Cursor编辑器中使用自然语言查询来查找特定类型的服务器，并将结果直接用于代码编写和调试。这种集成简化了开发流程，提高了开发效率。