安装
git clone https://github.com/beenuar/AiSOC && cd AiSOC
make up适合谁
- 想在本地或自有服务器上运行 AI 安全运营中心（SOC）的安全团队或个人研究者：AiSOC 是开源、可自托管的项目，能接入安全遥测数据、检测并关联威胁，用可审计推理过程的 AI 代理做调查，并提出由人工批准的响应动作。
- 希望不依赖云端 API key 就能跑起来的用户：官方说明它在无 API key 的情况下即可运行。
- 使用 Claude、Cursor 或 Continue 等客户端、想通过 MCP 接入它的用户。
不适合的情况：
- 没有满足资源要求的 Docker 环境（见下文前提）的用户，无法完成安装。
- 证据未说明它是否适合作为生产级 SOC 替代品、是否支持哪些具体遥测数据源格式，这些属于未知，选择前需自行到仓库确认。
3 分钟完成第一次尝试
推荐主路径是官方 Quick start：克隆仓库并用 make 启动。
前提：
- Docker Compose v2，且 Docker VM 中有 8 GB 内存和 20 GB 可用磁盘空间。
python3（3.9 及以上）和bash。- 不确定环境是否达标时，先运行官方提供的
make doctor，它会检查上述全部要求。
安装与启动（官方原文命令）：
git clone https://github.com/beenuar/AiSOC && cd AiSOC
make up
首次运行会下载约 2 GB 的模型，存入一个只有 make clean 才会清除的卷——这是启动前就应知道的副作用。
成功信号：服务在本地启动后，你可以通过其界面或 MCP 接口与它交互。证据未给出首次运行后的具体界面步骤或默认访问地址，这一步需以仓库 README 后续说明为准。
低风险首次尝试：证据未列出具体 MCP 工具名称及其读写属性，因此无法指定某个“只读工具”作为第一次调用。在未确认工具副作用前，建议先浏览其界面与决策记录（decision ledger）等展示类功能，避免直接执行响应类操作。
使用案例
案例一：环境体检后再启动。
场景：你不确定自己的 Docker 虚拟机资源是否够用。做法：克隆仓库后先运行 make doctor，它会逐项检查 Docker Compose v2、8 GB 内存、20 GB 磁盘、python3 3.9+ 和 bash。可期待结果：检查通过后再执行 make up，避免首次运行中途因资源不足失败。
案例二：通过 MCP 在 Claude、Cursor 或 Continue 中接入 AiSOC。 场景：你想在这些客户端里直接查询 AiSOC 的检测结果或调查结论。做法：项目官方说明自带面向 Claude、Cursor 和 Continue 的 MCP server；具体在每个客户端中的配置字段与连接方式，证据未给出逐字配置片段，需以仓库中对应的 MCP 配置说明为准。可确认到的边界：可以确认它提供 MCP server 及目标客户端，但首次连接后的可用工具清单、参数与输出格式属于证据未覆盖的部分，不应假设。
使用边界
- 读写性质：它会摄入安全遥测数据并检测威胁，AI 代理会进行调查并“提出”响应，但响应由人工批准——即写操作有确认点。证据未说明 MCP 工具中哪些是只读、哪些会触发实际动作。
- 本地数据与磁盘副作用：首次运行下载约 2 GB 模型到卷中，仅
make clean可清除；这会占用真实磁盘空间，且清除动作本身也会删除该卷内容。 - 凭证要求：官方说明无 API key 即可运行，未提及其他凭证要求。
- 明确限制：需要 Docker Compose v2（8 GB 内存 / 20 GB 磁盘）、python3 3.9+、bash。
- 尚未确认：具体 MCP 工具列表、各工具的只读属性、默认访问端口、支持的遥测源类型、升级与卸载流程，官方页面未在本次证据中给出，使用前应查阅仓库最新 README。