PentAGI 渗透测试智能体平台
在隔离容器中编排多智能体渗透测试并生成漏洞报告。
按维度查看评分与理由
证据显示系统在Docker沙箱中运行，具有隔离性，但未明确最小权限原则。用户确认机制存在（如执行监控和任务规划），但未明确要求用户批准每个操作。数据流透明度部分：有架构图显示数据流向，但未详细说明数据如何被处理。敏感数据处理：提到API令牌认证，但未说明如何保护存储的凭据。依赖安全：CI中有lint和测试，但未提及依赖漏洞扫描。外部影响：系统会对外部目标进行渗透测试，但未明确授权机制。回滚：未提及。来源归属：有版本控制和CI，但未明确来源验证。
自一致性：README和CI显示项目结构清晰，但未验证代码一致性。依赖可用性：依赖多个外部服务（LLM、搜索等），但未说明其可用性保障。失败消息：有执行监控和反射器机制，但未详细说明错误消息。
受众和场景：明确面向安全专业人员，支持多种LLM提供商。能力边界：明确说明不是BAS产品，并列出当前限制。触发精度：有工具调用限制和监控，但未明确触发条件。环境适配：支持Docker Compose和多种部署方式。
信息架构：README结构清晰，有架构图。安装说明：提供Docker Compose快速开始。命名稳定性：有版本标签，但未明确命名规范。示例和FAQ：有示例配置和指南。已知限制：明确列出。许可证：MIT。版本和变更日志：有CI生成版本，但未提供变更日志。维护责任：有社区链接，但未明确维护者。
输出可用性：提供报告生成和API。边际价值：自动化渗透测试有独特价值。成本效益：需要配置多个外部服务，成本较高，但未提供成本分析。
声明可追溯性：README中的功能声明未提供测试证据。跨来源佐证：有CI测试，但未独立验证。事实与推断分离：未明确区分。
- 系统执行渗透测试，可能对未授权目标造成破坏，需确保用户明确授权。
- 依赖多个外部服务，需确保其可用性和安全性。
- 未提供回滚机制，操作失败可能难以恢复。
这个 Agent 能做什么，适合哪些场景？
PentAGI 是一套自托管的自动化安全测试平台，面向获授权的渗透测试工作。其 Web 前端使用 React 和 TypeScript，后端以 Go 提供 REST 与 GraphQL API，并通过 Bearer Token 认证。系统将任务拆分为 Flow、Task、SubTask 和 Action，由研究、开发与执行等专职智能体协作处理；命令和输出可持久化到 PostgreSQL 与 pgvector。它可选配 Graphiti 与 Neo4j 知识图谱，以及 Grafana、VictoriaMetrics、Jaeger、Loki、OpenTelemetry 和 Langfuse 观测组件。平台通过 Docker Compose 部署，执行安全工具与网页抓取器时强调使用隔离容器。
用户在 Flows 中创建 Automation 或 Assistant 流程，选择模型提供方并提交目标、范围和测试目标。编排器会将工作分派给 Researcher、Developer 和 Executor 等角色；这些角色可查询记忆与知识库、调用搜索系统、运行容器中的安全工具，并存储动作结果和发现。文档列出的工具包括 nmap、metasploit 和 sqlmap，网页情报可通过隔离的 scraper 获取。流程完成后，用户可在报告菜单中查看网页报告、复制报告内容，或下载 Markdown 与 PDF；也可使用 /api/v1/graphql 和 /api/v1/flows 通过 API 创建和查询流程。
- 企业内部安全团队对已获授权的 Web 应用进行范围明确的自动化初步评估，并输出可审阅的漏洞报告。
- 渗透测试顾问在隔离的 Docker 环境中运行客户批准的测试流程，同时在 Flow 页面观察任务、子任务和工具输出。
- 需要将安全测试接入内部自动化流程的工程团队，通过 REST 或 GraphQL API 创建流程并获取状态。
- 偏好本地或私有模型的安全研究人员，使用 Ollama、兼容 OpenAI 的自定义端点或文档列出的其他模型提供方部署测试环境。
- 需要记录模型调用、追踪、指标和日志的运维团队，将 PentAGI 与 Langfuse、Grafana、Jaeger、Loki 和 VictoriaMetrics 配合使用。
这个 Agent 有哪些优点和局限？
- 将多角色智能体、任务队列、长期记忆和 20 多种专业安全工具组合到同一套自托管流程中。
- 同时提供 Web UI、REST API 和 GraphQL API，适合交互式操作及内部自动化集成。
- 支持 OpenAI、Anthropic、Gemini、AWS Bedrock、Ollama、DeepSeek、GLM、Kimi、Qwen 与自定义/OpenAI 兼容端点。
- 可选集成知识图谱和完整观测栈，覆盖 LLM 分析、指标、追踪与日志。
- 部署依赖 Docker 与 Docker Compose；文档给出的最低资源要求为 2 vCPU、4GB 内存和 20GB 磁盘。
- 必须配置至少一个语言模型提供方，云模型和部分搜索能力还需要相应 API 凭据。
- 默认 Compose 配置中的服务因需要管理 docker.sock 而以 root 运行，存在需要评估和收紧的主机权限边界。
- 执行监控和任务规划仍标为 Beta；文档称它们会增加约 2 至 3 倍的执行时间与 token 消耗。
- 它不是带有预定义攻击活动或攻击计划的 CALDERA 式 BAS/对手模拟产品。
如何安装或部署这个 Agent？
准备 Docker、Docker Compose、至少 2 vCPU、4GB RAM、20GB 可用磁盘，以及至少一个模型提供方凭据。创建工作目录后执行：mkdir pentagi && cd pentagi；下载环境示例：curl -o .env https://raw.githubusercontent.com/vxcontrol/pentagi/master/.env.example；在 .env 中至少配置 OPEN_AI_KEY、ANTHROPIC_API_KEY、GEMINI_API_KEY、Bedrock 配置或 OLLAMA_SERVER_URL/OLLAMA_SERVER_MODEL 中的一种；下载编排文件：curl -O https://raw.githubusercontent.com/vxcontrol/pentagi/master/docker-compose.yml；启动：docker compose up -d。默认访问地址为 https://localhost:8443；初始管理员账户为 [email protected] / admin，首次登录后应立即修改密码。
如何使用这个 Agent？
登录后进入 Flows，点击 New Flow，选择 Automation 或 Assistant，选择模型提供方，并用自然语言写明目标、授权范围和期望结果。提交后在流程页面查看消息、智能体活动、任务和终端输出；需要改变方向时，可在同一流程的 Assistant 视图提交后续指令。报告菜单支持网页查看、复制、Markdown 下载和 PDF 下载。程序化调用时，在 Authorization 头中使用 Bearer Token；例如向 https://your-pentagi-instance:8443/api/v1/graphql POST GraphQL 请求，或请求 /api/v1/flows 获取流程列表。
这个 Agent 与同类方案有什么区别？
PentAGI 明确将自身定位为自主或助手引导的渗透测试平台，而非 CALDERA 式、具有预定义活动或攻击计划的 Breach and Attack Simulation（BAS）/对手模拟产品。