AgrusScanner
AgrusScanner es un escáner de red para Windows especializado en la detección de servicios de IA/ML y servidores MCP. Utiliza C#/.NET con WPF para ofrecer una interfaz nativa rápida, sin dependencias de Electron.
Ficha actualizada 22 sept 2026, 15:38 · upstream 22 sept 2026, 11:17 · release v1.0.2
Qué es AgrusScanner
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
AgrusScanner es una herramienta de reconocimiento de red diseñada para equipos de seguridad, administradores de TI e investigadores que requieren visibilidad sobre servicios de inteligencia artificial ocultos o no autorizados. A diferencia de los escáneres tradicionales, va más allá del escaneo de puertos realizando llamadas API específicas para extraer nombres de modelos, detalles de GPU y versiones de contenedores. La aplicación está construida en C# con WPF, lo que garantiza un rendimiento nativo bajo recursos y una interfaz optimizada para pantallas 4K+, evitando la sobrecarga de Electron o navegadores embebidos.
La herramienta opera como un servidor MCP integrado, permitiendo a agentes de IA como Claude Code o OpenClaw utilizar sus capacidades de escaneo de forma autónoma. Las firmas de detección se gestionan mediante un feed externo firmado criptográficamente, separando la lógica del motor de las definiciones de servicios. Esto permite detectar más de 70 servicios de IA/ML y servidores MCP sin necesidad de reinstalar la aplicación ante nuevas amenazas o tecnologías emergentes, manteniendo la integridad mediante verificación de firmas en Azure Trusted Signing.
El catálogo de detección incluye sondas para LLMs, generación de imagen/video, plataformas RAG, bases de datos vectoriales e infraestructura GPU. Las actualizaciones de firmas son independientes del binario principal y se verifican criptográficamente antes de la instalación, asegurando que solo se carguen definiciones legítimas y evitando la ejecución de código malicioso o alterado.
- Auditoría de infraestructura de "Shadow AI" para identificar despliegues no autorizados de LLMs en red.
- Descubrimiento de servidores MCP y capacidades de agentes (tools, resources) para integración con flujos de trabajo autónomos.
- Mapeo de infraestructura GPU y contenedores Docker que ejecutan cargas de trabajo de aprendizaje automático.
- Reconocimiento de red básico (ping sweep, resolución de nombres) integrado sin necesidad de herramientas externas.
- Detección de servicios específicos de generación de imagen, video o voz mediante endpoints API conocidos.
- Motor de detección en C#/.NET con WPF nativo para bajo consumo de recursos y rendimiento rápido.
- Firmas de detección autosegmentadas y verificadas criptográficamente que se actualizan sin reinstalar la aplicación.
- Integración nativa como servidor MCP para interoperabilidad directa con agentes de IA modernos.
- Catálogo de 111 definiciones de sondas cubriendo más de 70 servicios de IA/ML y plataformas de agentes.
- Interfaz gráfica optimizada para pantallas de alta resolución (4K+) sin dependencias de navegadores embebidos.
- Requiere Windows 10 o 11; no es compatible con sistemas operativos Linux, macOS ni entornos headless por defecto.
- No incluye Dockerfile ni Compose, lo que impide su ejecución nativa en contenedores sin el instalador MSI.
- La detección de nuevas firmas depende de un feed externo (downloads.jpftech.com), aunque firmado, requiriendo conexión a internet para actualizaciones automáticas.
- Funcionalidad principal orientada a GUI; no se especifica una interfaz CLI nativa en la documentación proporcionada.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Descargar el instalador MSI autocontenido desde GitHub Releases o usar winget. La aplicación es autosegmentada y no requiere runtime de .NET adicional. Configurar las actualizaciones de firmas en Settings (Auto-install, Notify only, Off). Verificar integridad de firmas antes de ejecutar para evitar cargas maliciosas.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.