cloudg 动画标志

cloudg（cloud graphing）将 AWS、Azure 和 GCP 基础设施映射为图，
在同一份清单上运行安全扫描器，并将结果转化为真正可用的报告。

一条命令即可并行地从每个已配置的提供商收集资产，将其送入 NetworkX 图进行可达性和攻击路径分析，分发给 Prowler、ScoutSuite、Checkov 和 Trivy，然后针对 28 个合规框架合并并去重所有发现项。最终产出交互式 HTML 报告、GraphML、RDF 本体、用于 LLM 流水线的 RAG 分块，以及可重建实时基础设施的 Terraform 文件。

只需要地图而不需要安全工具？cloudg map 是一个独立于扫描器的清单映射器：它深度收集账户中所有已部署（或默认）的资源，直至网络结构，扫描其余所有服务，并将它们链接成一张资产地图，之后你可以叠加扫描器发现项。参见清单映射。

想让 AI 代理处理这一切？cloudg mcp serve 将 cloudg 变成 MCP 服务器，供 Claude Desktop、Claude Code、Cursor 或任何支持 Model Context Protocol 的工具使用。参见 MCP 服务器。

完整文档： 渲染后的手册位于 morpheuslord.github.io/cloudg，其内容与功能参考中的 markdown 相同，发布说明见变更日志。清单映射器有专门的深入文档：清单参考（逐一字段说明每个返回结构和输出文件）、清单目录（全部 156 种资产类型及其元数据和关系）以及清单内部机制（工作原理及如何扩展）。MCP 服务器由 MCP 指南、工具参考和隐私参考介绍，限流相关内容见速率限制与限流。

示例报告： 想在运行任何内容之前了解 cloudg 的产出，请打开示例报告。它是一个合成的 AWS、Azure 和 GCP 环境的 report.html，因此其中的每个 ID 都是虚构的，scripts/build_sample_report.py 可从测试夹具重新构建它。

快速开始

git clone https://github.com/morpheuslord/cloudg.git
cd cloudg

uv venv && source .venv/bin/activate
uv pip install -e ".[all,dev]"

# one provider, one region
cloudg run -p aws --regions us-east-1

# everything, everywhere
cloudg run -p all --regions all

# with Terraform recreation files
cloudg run -p aws --regions us-east-1 --terraform

报告会生成在 ./reports 目录中。请先打开 report.html。

已经自行运行过扫描器？可以直接把它们的原生输出文件提供给 cloudg。无需云凭证，也无需扫描器二进制文件：

cloudg ingest --prowler ./prowler-output/ --checkov ./results_json.json --trivy ./trivy.json

Prowler、ScoutSuite、Checkov 和 Trivy 输出的任意组合均可使用；cloudg 会进行规范化，通过检查等价规则集在各扫描器之间去重，映射合规框架，并渲染报告。

在 CI 中，cloudg gate 会在发现达到或超过某一严重级别时使任务失败，并写入 SARIF 以供代码扫描使用。在 GitHub 上，该仓库同时充当一个 action，用于安装 cloudg 和各个扫描器、运行流水线并对其进行门禁控制：

permissions:
  contents: read
  id-token: write          # OIDC login to the cloud
  security-events: write   # SARIF upload

steps:
  - uses: aws-actions/configure-aws-credentials@v6
    with:
      role-to-assume: arn:aws:iam::123456789012:role/cloudg-github
      aws-region: us-east-1
  - uses: morpheuslord/[email protected]
    with:
      provider: aws
      fail-on: critical
      min-assets: "1"

CI 与自动化指南涵盖了所有输入项、Azure 和 GCP 登录、GitLab CI 以及纯 shell 版本。

其他安装选项（pip、Docker、安装脚本）

直接使用 pip 也可以：pip install -e ".[all]"。云 SDK 作为附加项，因此 pip install cloudg[aws] 只会拉取 boto3/aioboto3，[azure] 和 [gcp] 对其各自的 SDK 同理，而 [all] 会安装全部。不含附加项的核心包仍然提供图引擎、本体、规范化器和报告渲染器。

外部扫描器（Prowler、Checkov、Trivy、ScoutSuite）是独立的可执行文件，而非 Python 依赖项。install.sh（Linux/macOS）和 install.bat（Windows）会设置好一切，包括扫描器和云 CLI。

Docker 是省事的路径：镜像捆绑了 Prowler、Checkov 和 Trivy（不包含 ScoutSuite，因此需单独运行它并将其报告提供给 cloudg ingest）：

docker build -t cloudg:latest .
docker compose run --rm cloudg run -p aws --regions us-east-1

清单映射

cloudg map 回答的问题与 cloudg run 不同：它关注的是存在什么，以及它们如何相互连接。找出问题所在仍然是扫描器的工作，这里不会运行任何扫描器，甚至不需要安装它们。让映射完整的关键在于：

深度服务采集器。容器（ECR 仓库、ECS 服务和任务定义、EKS 集群、节点组、Fargate 配置文件、附加组件、访问条目）以及运行在 EKS 内的 Kubernetes 工作负载；Lambda 及其触发器、函数 URL、镜像和层；API Gateway、SQS、SNS、EventBridge、Step Functions、Kinesis；数据存储；Route 53；CloudFormation 堆栈及其管理的资源；整个 IAM 图；以及监视该账户的安全服务和扫描器（GuardDuty、Security Hub、Inspector、Macie、Config、Access Analyzer、WAF、Network Firewall、Shield、CloudTrail），包括它们未启用的位置。
覆盖所有服务的广度。在 AWS 上，Cloud Control API 扫描会列出所有支持列表操作（800+）的资源类型，无论是否带有标签，与 133 个专用采集器并列。Azure 通过 Azure Resource Graph 跨所有订阅和管理组读取，GCP 通过 Cloud Asset Inventory 跨整个组织读取，两者都包含完整的资源属性。
一次性覆盖所有账户。--org 从管理账户发现 AWS Organization（OU 树、账户、SCP，以及 Control Tower 着陆区及其受管区域和已启用的控制项），并映射每个成员账户。
类型化相互依赖关系。边表达了它们的含义：S3 INVOKES Lambda，任务定义 USES_IMAGE ECR 仓库，函数 ASSUMES_ROLE 角色，WAF PROTECTS ALB，Inspector MONITORS 实例，堆栈 MANAGES 资源，SCP GOVERNS OU，以及对未映射账户的跨账户信任。随后 cloudg deps 回答“这需要什么”和“如果它挂了会破坏什么”。

# map one provider
cloudg map -p aws --regions all

# every account in the AWS Organization / Control Tower landing zone
cloudg map -p aws --org --regions all

# map everything, everywhere
cloudg map -p all --regions all

# what depends on this role, and what does it depend on?
cloudg deps arn:aws:iam::123456789012:role/app-role

# overlay scanner findings you generated earlier -> asset map + compliance map
cloudg map -p aws --regions all --findings ./reports/raw-findings.json

输出：inventory-map.json（资产、互连关系、采集覆盖情况、摘要）、inventory-map.graphml、供查看器使用的 inventory-graph.json、inventory-dependencies.json（共享依赖、爆炸半径、跨账户边、安全覆盖缺口），以及在使用 --org 时生成的 inventory-organization.json。使用 --findings 时，还会额外生成 asset-map.json（每个资产及其发现项和严重性分布）和 compliance-map.json（框架 → 受影响资产）。该映射从不依赖扫描器；你可以今天先做映射，下周再合并扫描得到的发现项。每个文件都在 inventory reference 中逐字段说明，并附有带注释的示例。

所有这些也作为库 API 提供，参见将其作为库使用：

from cloudg import CloudGConfig, CloudGEngine

engine = CloudGEngine(CloudGConfig(providers=["aws", "azure", "gcp"]))
inventory = engine.map_inventory_sync(output_dir="./reports")
print(inventory.summary["assets_by_service"])

MCP 服务器

cloudg 可以通过模型上下文协议（Model Context Protocol）将其资产清单、图谱、发现项、合规映射和本体交给 AI 代理：74 个工具、13 个资源、11 个资源模板和 11 个提示词，从 find_assets 和 attack_paths 到 blast_radius、compliance_gaps 以及 security_posture_review 提示词。

pip install "cloudg[mcp]"     # the native server needs no extra; this adds the official SDK (mcp>=1.30,<3)

# stdio for a desktop client, with a map you already made
cloudg mcp serve --dataset prod=./reports/inventory-map.json
cloudg mcp config --client claude-desktop --dataset prod=./reports/inventory-map.json

# streamable HTTP on 127.0.0.1:8765/mcp with a bearer token
cloudg mcp serve --transport http --auth-token env:CLOUDG_MCP_TOKEN:analyst

已经在运行 MCP 服务器？用 CloudGMCPLayer(...).register_into(server) 把 cloudg 挂载进去（官方 mcp SDK 1.x 或 2.x，或 fastmcp），或者跳过网络层，直接从 Python 中 await layer.call_tool(...)。无论请求以何种方式到达，每个请求都会经过同一套策略。默认的 standard 配置文件会脱敏机密信息，并对攻击者可控的文本进行围栏隔离；strict 还会对账户 ID、ARN、IP 和名称进行假名化（作为参数传回的假名会被解析还原），并隐藏接触云端的工具。实时工具（map_inventory、collect_assets、run_scanners、run_pipeline）会在首次 API 调用前检查凭据，并拒绝重新采集几分钟前刚采集过的范围。

最受欢迎

cloudg

快速开始

清单映射

MCP 服务器