DMARCeye MCP: Analiza raportów DMARC w ChatGPT i innych LLM

DMARC powinien upraszczać ochronę domeny i egzekwowanie polityki. W praktyce jednak większość zespołów spędza więcej czasu na interpretowaniu raportów niż na realnym wzmacnianiu swojej polityki DMARC.

Dlatego wprowadzamy DMARCeye MCP (Model Context Protocol) — nowy sposób na wprowadzenie danych z DMARCeye do modeli LLM (takich jak ChatGPT), dzięki czemu możesz zadawać pytania w naturalnym języku i otrzymywać odpowiedzi oparte na rzeczywistym zachowaniu Twojej domeny.

Czym jest DMARCeye MCP?

DMARCeye MCP umożliwia połączenie Twojego konta DMARCeye z ChatGPT i innymi modelami LLM, tak aby można było analizować dane DMARC za pomocą zapytań w języku naturalnym.

Zamiast przeskakiwać między dashboardami opartymi na XML, eksportami i notatkami z troubleshooting, możesz zadawać bezpośrednie pytania, takie jak:

• Co zmieniło się w mojej polityce DMARC w ciągu ostatnich 7 dni?
• Które źródła nie przechodzą alignmentu i jaka jest najbardziej prawdopodobna przyczyna?
• Co powinienem naprawić przed przejściem z p=none do egzekwowania?
• Przygotuj plan etapowego wdrożenia z użyciem pct na podstawie moich aktualnych wzorców błędów.

Cel jest prosty: przekształcić raportowanie DMARC w konkretne, spersonalizowane działania oparte na rzeczywistych danych Twojej domeny.

Dlaczego DMARCeye MCP zmienia zasady gry?

Dostawcy skrzynek pocztowych przekazują raporty zbiorcze DMARC w formacie XML. Zawierają one cenne informacje: kto wysyła w Twoim imieniu, czy SPF i DKIM są poprawnie wyrównane (alignment), które strumienie nie przechodzą weryfikacji oraz jaki wolumen ruchu jest zaangażowany.

Problem w tym, że XML nigdy nie był projektowany z myślą o tym, by pomagać ludziom podejmować decyzje. Nawet jeśli korzystasz z platformy monitorującej DMARC, która przetwarza dane i pokazuje, co się dzieje, wiele zespołów nadal nie wie, co zrobić dalej — ani które zmiany są bezpieczne i nie spowodują przerwania legalnej komunikacji. Dane to potwierdzają:

Na podstawie analizy tysięcy domen monitorowanych przez DMARCeye od lutego 2024 roku:

• 43,7% domen z DMARC pozostaje na poziomie p=none (wyłącznie monitoring).
• Tylko 19,3% osiągnęło poziom p=reject (pełne egzekwowanie).
• Nawet wśród domen egzekwujących politykę, jedynie 6,0% stosuje etapowe wdrożenie (z wartością pct poniżej 100).

Innymi słowy, większość zespołów albo pozostaje w trybie monitorowania bez końca, albo przechodzi do egzekwowania w sposób „wszystko albo nic”, skacząc bezpośrednio do 100% bez wykorzystania mechanizmu procentowego wdrożenia, który DMARC oferuje wbudowanie.

Takie podejście zwiększa ryzyko zakłócenia legalnej komunikacji podczas zmian polityki. A fakt, że jest tak powszechne, pokazuje potrzebę bardziej przejrzystych i spersonalizowanych wskazówek przy przechodzeniu z monitorowania do egzekwowania. DMARCeye MCP dokładnie to umożliwia.

Co możesz zrobić, łącząc dane DMARCeye z modelami LLM?

Połączenie DMARCeye z ChatGPT, Claude, Gemini lub innym modelem LLM zmienia workflow z „analizuj raporty” na „zapytaj i działaj”. Zamiast ręcznie przeszukiwać źródła i wyniki uwierzytelnienia, możesz opisać, co chcesz zrozumieć, i iterować, aż uzyskasz plan, któremu ufasz.

Dzięki MCP możesz używać ChatGPT do:

• Podsumowania krajobrazu wysyłki (jakie źródła istnieją, jaki mają wolumen, jak się uwierzytelniają)
• Szybkiego wykrywania ryzyka (nowe lub nieznane źródła, nagłe zmiany, wzorce błędów alignmentu)
• Priorytetyzacji działań naprawczych (co poprawić najpierw przed zmianą polityki)
• Planowania bezpieczniejszego egzekwowania (etapowe wdrożenie z użyciem pct, oparte na realnym ruchu)
• Wyjaśniania problemów interesariuszom (IT, bezpieczeństwo, marketing, agencje)
• Tworzenia wiadomości e-mail podsumowujących aktualne ustalenia DMARC wraz z rekomendacjami kolejnych kroków

W momencie publikacji wspieramy integrację z ChatGPT. Wsparcie dla Claude, Gemini i innych modeli LLM pojawi się wkrótce, abyś mógł korzystać z preferowanego asystenta.

Aby poznać praktyczne zastosowania DMARCeye MCP, zobacz również: Przykłady zastosowań: co można zrobić, łącząc DMARCeye z czatem AI

Jak włączyć MCP Server w DMARCeye (bez programisty)

Integracja MCP jest prosta i zajmuje kilka minut. Nie musisz być deweloperem.

DMARCeye hostuje serwer MCP dla Twojego konta. Wystarczy połączyć go z wybranym asystentem AI. W miarę rozszerzania wsparcia dla kolejnych modeli, proces pozostaje taki sam: dodajesz DMARCeye MCP Server, autoryzujesz dostęp i zaczynasz zadawać pytania.

• Otwórz stronę MCP Server w aplikacji DMARCeye (Ustawienia konta → MCP Server), aby znaleźć dane połączeniowe.
• Dodaj DMARCeye jako serwer MCP w swoim asystencie AI (np. w ChatGPT tworzysz nową integrację i wklejasz URL serwera MCP).
• Autoryzuj połączenie, aby asystent mógł bezpiecznie uzyskać dostęp do danych DMARC.
• Korzystaj z niego w czacie do pobierania raportów, podsumowań i planowania kolejnych działań.

Instrukcje krok po kroku utrzymujemy bezpośrednio w DMARCeye, aby zawsze były aktualne wraz z rozwojem asystentów.

Dlaczego warto używać DMARCeye do monitorowania i działania na podstawie raportów DMARC?

MCP to ważny krok w realizacji naszej szerszej obietnicy: spersonalizowane wskazówki DMARC, które obniżają barierę zarządzania DMARC. To jednak tylko część możliwości, jakie oferuje DMARCeye.

• Ciągła widoczność tego, kto wysyła w imieniu Twojej domeny (w tym nowe lub nieznane źródła).
• Inteligentne alerty informujące o istotnych zmianach (nowe źródła, skoki błędów, nietypowy wolumen).
• Zarządzanie polityką DMARC pomagające bezpiecznie przejść od monitorowania do egzekwowania.
• Przegląd infrastruktury e-mail umożliwiający szybkie zrozumienie systemów wysyłkowych i odpowiedzialności.
• Wbudowane narzędzia DNS do analizy SPF, DKIM i BIMI w jednym miejscu.

Zarejestruj się na bezpłatny okres próbny DMARCeye i zacznij przekształcać raporty DMARC w konkretne, bezpieczne działania.