JoySafeter
AI 原生的企业级安全 Agent 平台：不止于对话，以可视化编排构建、运行、测试和追踪自主协作的多 Agent 安全团队。
证据显示：多租户隔离、按用户RAII沙箱、RBAC、凭证加密（CREDENTIAL_ENCRYPTION_KEY）与详细安全部署建议（SECURITY.md），least_privilege 与 sensitive_data_handling 给2分；扣分点：MCP任意代码执行与外部扫描动作仅靠文档提示，未见强制确认门控（user_confirmation 1）；渗透测试代理在授权目标上自动执行auth bypass等攻击动作，仅有沙箱镜像提示，无明确的人工审批/回滚机制（external_effects 1、rollback 1）；Trivy扫描 exit-code=0 不拦截失败，依赖安全门禁形同虚设（dependency_security 1）。许可与第三方致谢清晰（source_attribution 2）。
证据显示：CI 覆盖 pre-commit、ruff、mypy、ESLint、类型检查、前端测试与构建，bun.lock 冻结安装，版本化镜像发布流程；但后端 pytest 步骤在 ci.yml 中被整体注释掉，测试实际不在后端CI门禁内，扣分至2；错误处理与404测试存在，后端错误信息国际化（failure_messages 2）。
证据显示：目标用户（安全团队/渗透测试/APK分析）与部署场景描述充分，多模式部署脚本与端口冲突检测（environment_fit 2、audience_and_scenarios 2）；扣分点：'零人工干预'、'2-3名工程师'等能力宣称缺少边界说明，未说明沙箱逃逸、误报率或适用范围限制（capability_boundaries 1）；自动触发auth bypass的触发条件仅在用例叙述中提及，无精确的触发文档（trigger_precision 1）。
证据显示：文档结构完整（INSTALL/DEVELOPMENT/ARCHITECTURE/CONTRIBUTING/SECURITY/CODE_OF_CONDUCT/CHANGELOG/THIRD_PARTY_LICENSES），安装说明含一键脚本、默认端口表和前提条件（information_architecture 3、install_notes 3）；Apache-2.0 许可文本完整（license 3）；SECURITY.md 列出已知安全考虑（known_limitations 2）；CHANGELOG 与 bump-version.sh 被引用但内容未在证据中（versioning_changelog 2）；命名在 README/镜像/脚本间基本一致（naming_stability 2）；社区渠道为微信群、维护承诺依赖邮箱SLA（maintenance_responsibility 2）；教程目录被引用但内容未见（examples_and_faq 2）。
证据显示：结构化报告输出、OWASP Mobile Top 10 对齐、Run Center 事件回放、可视化编排等对目标场景有明确价值；但所有产出（报告质量、分析准确性）均无静态可验证的实现细节支撑，仅在宣称层面（output_usability 2、marginal_value 2）；部署/学习成本较高（Docker+DB+Redis+模型配置+沙箱镜像），收益宣称合理但成本效益以文档为准（cost_benefit 2）。
证据显示：README 引用的 CHANGELOG、教程、架构文档均未包含在证据中，关键宣称（如'替代2-3名工程师'、'200+工具'）无法在文件内追溯（claim_traceability 1）；README/SECURITY/CI/测试之间部分一致（例如部署脚本与CI均存在），给2分；大量营销语言与事实陈述混杂（'no engineer required'、'zero state leakage'），推断与事实未分离（fact_inference_separation 1）。
- 渗透测试代理会自动对目标执行认证绕过等攻击动作，部署前务必确认目标授权与网络隔离，并核查沙箱镜像来源与内容。
- MCP 工具可执行任意代码，仅应启用可信 MCP 服务器；当前 Trivy 扫描不阻塞构建（exit-code=0），依赖漏洞需自行另行审计。
- 后端测试步骤在 CI 中被注释掉，后端代码的自动化测试保障不足；在生产部署前请自行运行后端测试套件。
- README 中'零人工干预'、'替代2-3名工程师'等表述为营销性宣称，未经证据验证，采购决策不应据此推断实际能力。
- CREDENTIAL_ENCRYPTION_KEY 一经设置不可更改，否则已加密凭证将不可读；请在部署前规划密钥管理。
- 发布方身份未经验证的注册库收录，仅凭 jd-opensource 组织名不构成可靠性保证。
这个 Agent 能做什么，适合哪些场景？
JoySafeter 是京东开源（jd-opensource）旗下的企业级 AI Agent 平台，专注于安全运营自动化（AISecOps）。它提供可视化 Agent 构建器，支持拖拽式工作流编辑（含循环、条件与并行执行），并提供 Rapid Mode（自然语言快速生成）与 Deep Mode（可视化调试）两种构建方式。平台内建 200+ 安全工具（预集成 Nmap、Nuclei、Trivy 等），通过 MCP 协议零胶水代码扩展，并附带 30+ 预置技能，覆盖渗透测试、文档分析、云安全等场景。执行引擎基于 LangGraph 与 DeepAgents，采用 Manager-Worker 多级协作、长短时记忆演化和带版本管理的技能系统，所有运行通过统一 Run Center 进行事件溯源与追踪，并经 Langfuse 实现全链路可观测。企业能力包括多租户隔离、RBAC、SSO 集成（GitHub、Google、Microsoft、OIDC 等）以及基于 RAII 的每用户沙箱隔离。
JoySafeter 读取用户上传的目标物（如 APK 文件）或自然语言任务描述，调用 MobSF 做静态分析、Frida 做动态插桩校验，或按授权目标 URL 规划并执行渗透测试流程，最终自动生成结构化报告（如 OWASP Mobile Top 10 报告）。技术上，每个 Agent 工作流是一个有状态的 LangGraph 图，可暂停、恢复和分支；Chat、Copilot 和 Skill Creator 共享 Run → Event → Snapshot 的统一事件溯源生命周期，通过 WebSocket 层（BaseWsClient）实时推送，trace_id 经 contextvars 从 HTTP/WS 入口贯穿至持久化层。工具通过 MCP 协议（mcp 1.20+、fastmcp 2.14+）接入，代码执行在每用户隔离的 Docker 沙箱中完成，模型层通过 ModelService → ModelFactory 解析统一的 (provider_name, model_name) 标识。
- 安全工程师需要对大量 APK 做漏洞筛查：上传 APK 后 Agent 自主调用 MobSF 与 Frida，产出 OWASP Mobile Top 10 报告，替代 2-3 名工程师的手工流程
- 渗透测试团队接到授权测试任务：在 Workbench 开启 DeepAgents 模式并选择渗透测试技能，Agent 发现登录页时自动触发认证绕过测试并输出最终报告
- 安全负责人希望将存量工具链统一编排：通过 MCP 协议接入 Nmap、Nuclei、Trivy 等 200+ 工具，无需为每个工具写胶水代码
- 企业合规团队需要审计留痕：利用执行追踪与全链路 trace_id 满足合规治理要求
- 安全研究员调试复杂自动化流程：使用 Deep Mode 的可视化调试与逐步可观测性逐步排查 Agent 决策
这个 Agent 有哪些优点和局限？
- 提供 200+ 预集成安全工具（Nmap、Nuclei、Trivy 等）且通过 MCP 协议零胶水代码扩展，这是通用 Agent 平台通常不具备的安全领域深度
- 基于 LangGraph 的图执行模型支持暂停、恢复、分支，配合统一 Run Center 的事件溯源和 Langfuse 实时追踪，实现玻璃盒级可观测性
- 企业级能力完整：多租户隔离、RBAC、多种 SSO（GitHub、Google、Microsoft、OIDC/Keycloak/Authentik/GitLab）、RAII 沙箱隔离，可直接进入生产部署路径
- 提供 30+ 预置技能和 Rapid/Deep 双模式构建，从想法到可运行 Agent 团队的门槛显著降低
- 部署栈较重：完整运行需要 Docker、PostgreSQL、Redis，渗透测试用例还需额外拉取华为云镜像仓库的专用沙箱镜像，初始运维成本不低
- 核心定位是安全场景（漏洞检测、渗透测试），若团队需求偏通用办公或数据分析自动化，需自行开发技能，README 未展示此类开箱能力
- 深度依赖 LangChain/LangGraph/DeepAgents 技术栈，迁移到其他编排框架需要重写工作流
- 仓库展示的两个核心案例（APK 检测、渗透测试）均依赖第三方工具（MobSF、Frida）且渗透测试需授权目标，无法在无授权环境下直接验证效果
如何安装或部署这个 Agent？
前置要求：Docker + Docker Compose。推荐一键启动：
./deploy/quick-start.sh脚本提供交互式菜单：
(1) Docker Compose 全栈（前端、后端、PostgreSQL、Redis 全容器化，可选 localhost 或远程 IP/域名）；
(2) 仅本地前端（bun run dev，可连远程后端）；
(3) 仅本地后端（uvicorn --reload，可连远程 DB/Redis）；
(4) 本地前端 + 后端（自动启动中间件）。
可选参数：
./deploy/quick-start.sh --skip-env # 跳过 .env 初始化
./deploy/quick-start.sh --skip-db-init # 跳过数据库初始化
其他场景：开发用 ./deploy/scripts/dev.sh；生产用 ./deploy/scripts/prod.sh；安装向导 ./deploy/install.sh；环境预检 ./deploy/scripts/check-env.sh。详细安装见 INSTALL.md。
如何使用这个 Agent？
启动后访问前端 http://localhost:3000，后端 API 在 http://localhost:8000，API 文档在 http://localhost:8000/docs。典型用户旅程共 9 步：登录 → 配置模型 → 配置 MCP 工具 → 技能管理 → 构建 Agent → 自测（查看 Langfuse 追踪）→ 发布 → Chat UI 对话 → Run Center 查看运行。渗透测试用例需在 Sandbox Settings 中配置沙箱镜像 swr.cn-north-4.myhuaweicloud.com/ddn-k8s/ghcr.io/jd-opensource/joysafeter-sandbox:latest。构建方式可选 Rapid Mode（自然语言描述生成 Agent 团队）或 Deep Mode（可视化调试）。