MMCPMarkets
NV

netw0rknoob/vulnclaw

Developer tools

Эта страница переведена автоматически. Технические детали смотрите в оригинале. Открыть оригинал

3,8 тыс. stars 534 forks Качество 73 Тренд 57MIT
Repository Install

Основанный на AI Agent + MCP инструментаре + оркестрации навыков проникновения, в сочетании с крупными языковыми моделями, в→вод на естественном языке автоматически завершает весь процесс «сбора информации→ обнаружения уязвимостей → эксплуатации уязвимостей → генерации отчетов».

Обзор

Сайт проекта: https://unclecheng-li.github.io/vulnclaw.com/💬] : Присоединяйтесь к нашему Discord Основываясь на LLM Agent + MCP toolchain + необязательных справочных Skill, в сочетании с совместимыми моделями, такими как OpenAI / Anthropic / MiniMax / DeepSeek, → на естественном языке автоматически завершает весь процесс «сбора информации → обнаружения уязвимостей → эксплуатации уязвимостей → генерации отчетов». - — Автономные циклы, похожие на Claude Code/Codex, где модель решает следующий шаг, когда вызывать инструмент и когда завершать/запросить/определить, без возможности вперёд - — Результаты инструмента равномерно записываются в AgentState.Evidence, исходный текст полностью сохраняется; Активный контекст по умолчанию использует только высокосигнальные предпросмотры, evidence_search/evidence_view используются для повторного просмотра исходных доказательств по требованию — — Фиксирует сигналы до и после вызовов инструментов, такие как повторные вызовы, неудачное ухудшение, длительное время и новые открытия; Многократное чтение одного и того же диапазона доказательств будет подавлено; непрерывные петли доказательств активируют защиту застоивания, но старый планировщик фазы не восстанавливается. — Заявленные флаги/выводы должны отображаться по принципу в реальном инструменте, чтобы быть приняты, исключая ложные победы за счёт фабрики флагов. — Описывайте намерение проникновения простым языком, автоматически определяйте этапы и инструменты. — OpenAI / Anthropic / MiniMax / DeepSeek / Zhipu / Moonshot / Qianwen / SiliconFlow / Doubao / Baichuan / Jieyue Xingchen / SenseTime / Zero One Everything / Local Ollama, переключение в один клик — 4 MCP-сервиса: выборка / локальная загрузка памяти из коробки, интеграция chrome-devtools / burp с внешними MCP-сервисами для автоматизации браузера и захвата и воспроизведения HTTP-пакетов — по умолчанию прямой GET и возврат полного ответного тела, поддерживает HTTP/HTTPS, пользовательские методы/заголовки/параметры/cookies/body/data/form/json, тайм-аут/перенаправление/управление TLS; CTF/Range HTTPS по умолчанию не проверяет сертификаты аутентификации — после фильтрации по области выполнения используется дополнительный индекс JSONL + сырой пакет для каждого запроса, который отслеживается в доказательствах/трафике/, с встроенным traffic_list / traffic_view /...

Обзор (машинный перевод)

*Инструмент CLI для тестирования на пенетрацию на базе ИИ — говорите простым языком, используйте уязвимости. *

🌐 Английская версия: README_EN.md

**Этот проект является независимым агентом для тестирования на проникательное тестирование ИИ. **

Официальный сайт проекта: https://unclecheng-li.github.io/vulnclaw.com/

Основанный на инструментаре LLM Agent + MCP + необязательных справочных материалов по навыкам, Совместим с такими моделями, как OpenAI, Anthropic, MiniMax и DeepSeek, Ввод на естественном языке → автоматически завершает весь процесс «сбора информации → обнаружения уязвимостей → эксплуатации уязвимостей → генерации отчетов».

Быстрый старт · Архитектура · Встроенные навыки

Что он может сделать?

Вводите естественный язык, ИИ автоматически выполняет весь процесс тестирования на проникновение:

Подходит для авторизованного тестирования на проникновение, соревнований по CTF, обучения по безопасности, тренировок красной команды и других сценариев.

Особенности

  • Model-Led Solution Engine (по умолчанию) — Автономные циклы, похожие на Claude Code/Codex, где модель решает следующий шаг, когда вызывать инструменты и когда завершать/отправлять запрос/определять, без возможности продвигаться дальше
  • Память доказательств Agentstate — Результаты инструментов записываются равномерно AgentState.evidence, исходный текст полностью сохраняется; Активный контекст по умолчанию вводит только высокосигнальные предварительные просмотры, evidence_search / evidence_view используются для повторного просмотра исходных доказательств по требованию
  • Лёгкий корректирующий слой — Фиксирует сигналы, такие как повторные вызовы, неудачные понижения, трудоёмкие и новые открытия до и после вызовов инструментов; Повторное считывание одного и того же диапазона доказательств подавляется, постоянное простое действие срабатывает защитный механизм, но старый планировщик стадий не восстанавливается
  • Gate Anti-Illusion Level Evidence — Заявленные флаги/выводы должны отображаться по принципу в реальных инструментах, чтобы быть принятыми, устраняя ложные победы за счёт подделки флагов
  • Управляемый естественным языком — Описание намерения проникновения на человеческом языке, автоматическое определение этапов и инструментов
  • 13 LLM-провайдеров — OpenAI / Anthropic / MiniMax / DeepSeek / Zhipu / Moonshot / Qianwen / SiliconFlow / Doubao / Jieyuexing Chen / SenseTime / OpenRouter / Local Ollama, однокликовое переключение
  • MCP Toolchain — 4 MCP-сервиса: fetch / memory локальные из коробки, chrome-devtools / burp интеграция с внешними MCP-сервисами для автоматизации браузера и захвата и воспроизведения HTTP-пакетов

Эта страница переведена автоматически. Технические детали смотрите в оригинале.

Установка

docker run --rm -it \
Новичок в MCP? Начните с руководства на mcpskill.org →