自动化与运维 agent-workflow-securitystatic-analysisvulnerability-testingmcp-detectionprompt-hardeningowasp-llm

Agentic Radar

为智能体工作流生成安全分析、漏洞映射与运行时测试结果的命令行扫描器。

FollowAgents 评估 · FARS-2.1
不推荐
46/ 100 五分制 2.3 / 5
1 2 3 4 5 6
按维度查看评分与理由
1信任安全8 / 29 · 1.4/5

证据显示:工具主要本地运行,但高级功能(如提示加固、测试)会调用LLM API,可能发送代码或提示词到外部。未发现明确的用户确认机制或权限最小化设计。数据流透明度在README中有说明(本地运行,LLM可选),但未提供详细的数据流图或日志。敏感数据处理未明确说明。依赖安全方面,pyproject.toml列出了依赖但未提供漏洞扫描或锁定文件。外部影响方面,工具会生成报告文件,但未说明对系统的影响。回滚机制未提及。来源归属方面,作者信息在pyproject.toml中,但发布者未验证。扣分原因:缺乏用户确认、权限最小化、敏感数据处理的明确证据,依赖安全未充分展示。

2可靠稳定6 / 14 · 2.1/5

证据显示:README和pyproject.toml中的描述一致,功能列表与文档相符。依赖可用性方面,依赖列表明确,但未提供锁定文件或版本兼容性说明。失败消息方面,未提供错误处理或用户提示的示例。扣分原因:依赖可用性未充分验证,失败消息未展示。

3适用触发12 / 18 · 3.3/5

证据显示:README明确了目标受众(开发者、研究人员、安全专业人员)和使用场景(扫描、测试、CI/CD)。能力边界通过框架支持矩阵(如OpenAI Agents、CrewAI等)清晰界定。触发精度方面,命令和选项明确(如scan、test)。环境适配方面,支持Python 3.9+,并提供了额外安装选项。扣分原因:部分功能(如测试)仅支持特定框架,但文档已说明。

4规范维护10 / 18 · 2.8/5

证据显示:README结构清晰,包含安装、使用、高级功能、FAQ等。安装说明详细,包括pip安装和额外依赖。命名稳定,命令和选项一致。示例和FAQ提供了使用示例和常见问题解答。已知限制方面,README提到部分功能仅支持特定框架,但未全面列出所有限制。许可证为Apache-2.0,符合标准。版本和变更日志方面,pyproject.toml有版本号,但未提供CHANGELOG。维护责任方面,作者信息在pyproject.toml中,但未明确维护计划。扣分原因:已知限制不全面,缺少变更日志,维护责任不明确。

5有效结果7 / 13 · 2.7/5

证据显示:输出为HTML报告,包含可视化、工具识别、漏洞映射等,具有实用性。边际价值方面,提供了安全扫描和测试功能,与现有工具相比有差异化。成本效益方面,工具免费开源,但高级功能需要API密钥,可能产生成本。扣分原因:成本效益未充分评估,未提供性能或资源消耗数据。

6证据核验3 / 8 · 1.9/5

证据显示:README中的声明(如功能支持)与代码和文档部分一致,但未提供独立的验证来源。跨来源佐证方面,博客和教程链接提供了额外信息,但未在仓库内验证。事实与推断分离方面,README区分了功能描述和未来计划,但未明确标注哪些是推断。扣分原因:声明缺乏可追溯性,跨来源验证不足,事实与推断分离不明确。

证据充分度: 评估于 2026年8月9日 审查版本 65a7e4bd01e2
源码中未见的安全控制:执行前用户确认、回滚或恢复路径
使用前请注意
  • 高级功能(如提示加固、测试)会调用LLM API,可能将代码或提示词发送到外部,使用前需确认数据隐私政策。
  • 依赖未提供锁定文件,建议使用虚拟环境并定期检查依赖漏洞。
  • 测试功能目前仅支持OpenAI Agents,其他框架的测试支持有限。
查看完整评分方法 →

这个 Agent 能做什么,适合哪些场景?

Agentic Radar 是面向智能体工作流的安全扫描工具,以 Python CLI 形式交付。它可扫描 LangGraph、CrewAI、n8n、OpenAI Agents 和 Autogen 代码,并生成可分享的 HTML 报告。报告包含工作流图、外部与自定义工具清单、MCP 服务器清单,以及工具与已知漏洞的映射。它还可选地加固已检测到的系统提示词;对于 OpenAI Agents,支持以对抗输入进行运行时漏洞测试。静态工作流分析和漏洞映射在本地运行,而提示词加固等高级功能可能将检测到的系统提示词发送给 LLM。

通过 agentic-radar scan [OPTIONS] FRAMEWORK:{langgraph|crewai|n8n|openai-agents|autogen} 读取指定框架的工作流代码,例如 agentic-radar scan langgraph -i path/to/langgraph/example/folder -o report.html。扫描会识别工作流结构、外部及自定义工具和 MCP 服务器,并在 HTML 报告中呈现工具与已知漏洞的关联;该映射引用 OWASP Top 10 LLM Applications 和 OWASP Agentic AI 威胁与缓解措施。加入 --harden-prompts 后,工具会自动改进检测到的系统提示词,并把结果显示在报告中。agentic-radar test openai-agents "path/to/workflow.py" 会把自身注入所给工作流,运行针对提示词注入、PII 泄露、有害内容和虚假新闻的测试,并在终端表格中输出智能体名称、输入、输出、通过/失败状态和说明。测试可通过 YAML --config 文件添加自定义测试及控制是否包含内置测试。

  1. 安全工程师在合并前扫描 LangGraph 项目,生成 HTML 工作流与工具风险报告供评审。
  2. 使用 CrewAI 的团队需要盘点预定义工具和自定义工具,并检查它们与已知漏洞的对应关系。
  3. 维护 n8n 自动化流程的开发者希望识别流程内使用的 MCP 服务器并保存扫描报告。
  4. 采用 OpenAI Agents 的应用团队想用模拟攻击输入测试提示词注入、PII 泄露或有害内容风险。
  5. 在 CI/CD 中维护智能体代码的团队希望在代码推送后自动执行扫描,并将报告作为 GitHub Actions 构件上传。
  6. 需要改写 OpenAI Agents、CrewAI 或 Autogen 系统提示词的团队可在扫描时启用提示词加固。

这个 Agent 有哪些优点和局限?

优点
  • 一次扫描同时输出工作流可视化、工具清单、MCP 服务器检测和漏洞映射,而非只给出单项检查结果。
  • 静态工作流分析与漏洞映射在本地运行,适合不希望将源码用于这些核心分析的团队。
  • 扫描支持五种已列出的框架:OpenAI Agents、CrewAI、n8n、LangGraph 和 Autogen。
  • OpenAI Agents 可进行运行时对抗测试,并允许通过 YAML 添加自定义攻击输入和成功条件。
  • 提供 GitHub Actions 工作流示例,可将扫描报告作为 CI 构件上传。
局限
  • 运行时漏洞测试目前只支持 OpenAI Agents;其余已列框架的测试能力在路线图中标为不支持。
  • 提示词加固仅支持 OpenAI Agents、CrewAI 和 Autogen,n8n 与 LangGraph 不支持该功能。
  • 运行时测试依赖 OPENAI_API_KEYAZURE_OPENAI_API_KEY;提示词加固需要 OPENAI_API_KEY
  • CrewAI 的预定义工具描述或特定功能需要额外安装,且 crewai-tools 的 Python 版本限制为 >= 3.10 且 < 3.13。
  • 使用高级 LLM 功能时,检测到的系统提示词可能会被发送给 LLM。

如何安装或部署这个 Agent?

需要已安装 Python 和 pip。执行:

pip install agentic-radar

然后验证:

agentic-radar --version

若对 CrewAI 使用运行时测试或需要预定义工具描述,执行 pip install "agentic-radar[crewai]";该额外依赖中的 crewai-tools 仅支持 Python >= 3.10 且 < 3.13。若对 OpenAI Agents 使用运行时测试,执行 pip install "agentic-radar[openai-agents]"。运行时测试需要设置 OPENAI_API_KEYAZURE_OPENAI_API_KEY

如何使用这个 Agent?

首次扫描可执行:

agentic-radar scan langgraph -i path/to/langgraph/example/folder -o report.html

打开生成的 report.html 查看工作流、工具、MCP 服务器和漏洞映射。对 OpenAI Agents 进行运行时测试前设置 OPENAI_API_KEYAZURE_OPENAI_API_KEY,再执行:

agentic-radar test openai-agents "examples/openai-agents/basic/lifecycle_example.py"

如需提示词加固,设置 OPENAI_API_KEY 后执行:
agentic-radar scan openai-agents --harden-prompts -i examples/openai-agents/basic/lifecycle_example -o report.html

这个 Agent 与同类方案有什么区别?

若只需工作流可视化,仓库指向独立的 Agentic Visualizer。Agentic Radar 的定位更广:除可视化外,还生成工具识别、MCP 服务器检测和漏洞映射报告,并提供部分框架的提示词加固与运行时测试。

常见问题

扫描源码会离开本地环境吗?
README 说明静态工作流分析和漏洞映射完全在本地运行。启用提示词加固等可选高级功能时,检测到的系统提示词可能会发送给 LLM。
运行时测试需要什么凭据?
需要设置 OPENAI_API_KEYAZURE_OPENAI_API_KEY,可通过环境变量或 .env 文件提供。
哪些框架可以运行 test
文档当前仅列出 OpenAI Agents 支持运行时测试。CrewAI、n8n、LangGraph 和 Autogen 在路线图中该项为不支持。
如何把自定义攻击场景加入测试?
创建包含 testsnameinputsuccess_condition 的 YAML 文件,并以 --config custom_tests.yaml 传给 agentic-radar test;可用 include_default_tests: false 关闭内置测试。

相关 Agents