VulnClaw
AI 驱动、自然语言驱动的渗透测试 CLI 工具，自动完成信息收集、漏洞发现、利用与报告。
证据显示：README 声明了授权使用、安全声明和沙盒提示词，但未提供实际权限控制细节；存在用户确认机制（如 TUI 范围确认），但未明确所有操作需确认；数据流透明度较好，有 AgentState 证据记录和流量存储；敏感数据处理（API key 存储）未详细说明；依赖安全未提及漏洞扫描或锁定；外部影响（如网络扫描）有授权声明但无技术限制；回滚有目标状态快照和回滚功能；来源归属有作者信息但未验证。扣分原因：权限最小化、用户确认、敏感数据处理、依赖安全、外部影响、回滚、来源归属均缺乏具体实现证据。
证据显示：README 和测试文件内部一致，模块划分清晰；依赖声明在 pyproject.toml 中，但未验证可用性；失败消息有提及（如 stall guard），但未提供具体错误处理示例。扣分原因：依赖可用性未验证，失败消息细节不足。
证据显示：明确面向授权渗透测试、CTF、教学等场景；能力边界有安全声明和授权要求；触发精度有自然语言关键词触发和明确命令；环境适配有 Docker、多平台 CI 和多种 LLM 提供商。扣分原因：能力边界未细化到具体工具限制，触发精度依赖自然语言可能不精确。
证据显示：README 结构清晰，有安装、使用、架构、配置等章节；安装说明详细（pip、源码、Docker）；命名稳定（vulnclaw 命令）；有示例和 FAQ（REPL 示例）；已知限制提及（如 python_execute 非沙箱）；许可证为 MIT；版本号在 pyproject.toml 中，但无 CHANGELOG 内容；维护责任有贡献指南但无明确维护者。扣分原因：命名稳定性未验证历史，已知限制不全面，版本变更日志缺失，维护责任不明确。
证据显示：输出可用性有报告和 PoC 生成；边际价值高，提供全流程自动化；成本效益未提供实际性能数据。扣分原因：成本效益缺乏数据支持。
证据显示：README 中的功能声明有部分测试覆盖（如测试文件），但未提供具体证据链接；跨来源验证不足，仅依赖单一仓库；事实与推断分离不明确。扣分原因：声明可追溯性不足，跨来源验证缺失，事实与推断未明确区分。
- 该工具是渗透测试工具，必须仅用于授权目标，否则可能违法。
- python_execute 和 shell_command 工具不是强隔离沙箱，存在代码执行风险。
- 依赖未锁定版本，可能存在供应链风险。
- API 密钥存储方式未明确，需谨慎处理。
这个 Agent 能做什么，适合哪些场景？
VulnClaw 是一个基于 LLM Agent + MCP 工具链 + Skill 参考资料的 AI 渗透测试 CLI（Python 3.10+，MIT 许可证）。它通过自然语言输入，自动执行从信息收集到漏洞利用的完整流程，并生成结构化 Markdown 报告和 Python PoC 脚本。默认采用模型主导的 solve 引擎，模型自主决定下一步行动，通过 AgentState 证据记忆和反幻觉闸门确保结论有据可查。支持 14 个 LLM Provider（OpenAI、Anthropic、MiniMax、DeepSeek、智谱、Moonshot、千问、SiliconFlow、豆包、百川、阶跃星辰、商汤、零一万物、本地 Ollama），以及可选的 MCP 服务（fetch、memory、chrome-devtools、burp）。提供 CLI、REPL、TUI、Web UI 和 Docker 部署方式，内置 50 个专项 Skill 覆盖 CTF、Web、内网、逆向等场景，并包含编解码/加解密工具、批量 HTTP 探测、运行时差分探测等。仅限已授权的安全测试，遵循 MIT 许可证。
VulnClaw 接收自然语言指令，例如“对 http://target.example.com 进行渗透测试”，然后自动执行多轮自主循环。它通过内置的 fetch 工具（基于 httpx）发送 HTTP/HTTPS 请求，支持自定义 method、headers、params、cookies、body 等；通过 http_probe_batch 批量比较多组 URL/参数/header 变体；通过 nmap_scan 进行端口扫描；通过 crypto_decode 进行编解码/加解密操作；通过 python_execute 执行 Python 代码；通过 shell_command 执行本地命令（如 php -r、curl、rg）；通过 source_extract 从 HTML 中提取源代码；通过 runtime_diff_probe 进行过滤器与解析器的差分探测；通过 brute_force_login 进行登录爆破；通过 load_skill_reference 按需加载 Skill 文档。所有工具结果写入 AgentState.evidence，模型可通过 evidence_search/evidence_view 回查。最后，solve 引擎自动生成包含解题思路、关键证据、复现请求包、curl、响应片段和证据索引的 Markdown 报告，并生成 PoC 脚本。
- 授权渗透测试：安全测试人员对已授权的目标进行系统化安全评估，使用自然语言描述目标，自动完成信息收集和漏洞验证。
- CTF 竞赛：参赛者使用 VulnClaw 自动探测 Web 题目，利用内置的 ctf-web、ctf-crypto、ctf-misc 知识库辅助解题，并通过反幻觉闸门防止编造 flag。
- 安全教学：导师使用 VulnClaw 在实验室环境中演示渗透测试流程，学生通过观察模型的决策和工具调用学习攻击链。
- 红队演练：红队成员通过持续渗透模式（persistent）对目标进行长时间深度测试，每周期自动生成报告，支持增量发现。
- 快速漏洞验证：安全研究员利用单命令模式（如 vulnclaw scan --ports 80,443）快速扫描指定端口，或使用 exploit 命令针对已知 CVE 进行利用验证。
这个 Agent 有哪些优点和局限？
- 模型主导的 solve 引擎：模型自主决策，灵活适应未知目标，而非固定剧本流程。
- 证据级反幻觉闸门：所有结论必须基于真实工具输出，防止模型编造 flag 或结论。
- 支持 14 个 LLM Provider，包括本地 Ollama，降低供应商锁定风险。
- 丰富的内置工具链：包括 fetch、http_probe_batch、crypto_decode、python_execute、shell_command 等，无需额外安装即可使用。
- 全面的 Skill 知识库：覆盖 CTF、Web、内网、逆向等多个领域，且按需加载，不强制注入上下文。
- 公开 Alpha 阶段：项目仍处于早期，可能存在稳定性问题，不适合作为生产环境的安全工具。
- 依赖外部 LLM API：需要配置 API Key，且调用成本可能较高，特别是长会话场景。
- 高风险实验能力：python_execute 和 shell_command 可能执行任意代码，需要用户自行确保沙箱隔离。
- MCP 服务（chrome-devtools、burp）需要额外部署，配置相对复杂。
- 文档以中文为主，英文支持有限，可能对非中文用户造成障碍。
如何安装或部署这个 Agent？
安装：
pip install vulnclaw或从源码安装：
git clone https://github.com/Netw0rkNoob/VulnClaw.git
cd VulnClaw
pip install -e .可选 Docker 部署：
cp .env.example .env # 填入 VULNCLAW_LLM_API_KEY 等
docker compose up --build
# 打开 http://127.0.0.1:7788需要 Python 3.10+。使用 LLM 时需要配置 API Key。
如何使用这个 Agent？
基本使用步骤：
- 选择提供商：
vulnclaw config provider minimax（或 openai/anthropic/deepseek 等） - 设置 API Key：
vulnclaw config set llm.api_key sk-your-key-here - 启动交互界面：
vulnclaw（进入 REPL） - 输入自然语言指令，如“对 192.168.1.100 进行渗透测试”
常用命令：
- vulnclaw solve target.com --goal "找到 flag"：目标驱动求解
- vulnclaw run 192.168.1.100：一键全流程渗透
- vulnclaw recon target.com：仅信息收集
- vulnclaw scan target.com --ports 80,443：漏洞扫描
- vulnclaw exploit target.com --cve CVE-2024-1234 --cmd id：漏洞利用
- vulnclaw report session.json：生成报告
- vulnclaw web：启动 Web UI（默认 127.0.0.1:7788）
- vulnclaw tui：启动 TUI 工作台
环境检查：vulnclaw doctor。可选配置 MCP 服务（如 chrome-devtools 和 burp）以增强功能。
这个 Agent 与同类方案有什么区别？
VulnClaw 与 MetaSploit 等传统渗透测试框架不同，其核心是 LLM Agent 自主决策，而非预定义模块组合。与 Codex 或 Claude Code 等通用编码 Agent 相比，VulnClaw 专为安全测试设计，内置了证据闸门、WAF 绕过等安全特定功能。
常见问题
使用 VulnClaw 需要哪些前置条件？
VulnClaw 是否会自动利用漏洞？
VulnClaw 的报告格式支持哪些？
如何处理 LLM 调用失败或超时？
session.max_rounds 等配置项调整。