MMCPMarkets
UL

unclecheng-li/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

Официальный сайт проекта: https://unclecheng-li.github.io/vulnclaw.com/ Основываясь на LLM Agent + MCP toolchain + оркестрации навыков проникновения, в сочетании с совместимыми моделями, такими как OpenAI, Anthropic, MiniMax и DeepSeek, → на естественном языке автоматически завершает весь процесс «сбора информации→ обнаружения уязвимостей → эксплуатации уязвимостей → генерации отчетов». - — Отказ от рабочих процессов с фиксированным поворотом, использование условий «достигнутого цели / исчерпания границы исследования / бюджета безопасности» в качестве условий завершения, автоматическая сходимость — моделирование проникновения как поиска от начала к цели: Факт (подтверждённый факт) + Намерение (направление исследования), структурное избегание «кругового хода» — заявленные флаги/выводы должны выглядеть по черте в реальном инструменте, чтобы быть приняты, устраняя ложные победы за счёт фальсификации флагов — Опишите намерение проникновения простым языком, Автоматические этапы распознавания и инструменты — OpenAI / Anthropic / MiniMax / DeepSeek / Zhipu / Moonshot / Qianwen / SiliconFlow / Doubao / Baichuan / Jieyue Xingchen / SenseTime / Zero One Everything, переключение в один клик — 4 MCP-сервиса: нативное извлечение / память из коробки, интеграция с Chrome-devtools / burp с внешними MCP-сервисами для автоматизации браузера и захвата и воспроизведения HTTP-пакетов — — Проприетарный захват пакетов VulnClaw: фильтруется по встроенному объёму, затем добавленные индексы JSONL + сырые пакеты размещаются на доказательствах/трафике/ для каждого запроса. Встроенные инструменты traffic_list / traffic_view / traffic_repeat / traffic_sitemap могут напрямую читать и записывать хранилище (traffic_repeat поддерживает перезапись воспроизведения), а отчёты о проверенных уязвимостях напрямую вписываются в подтверждение их первоначального запроса/ответа. Mitmproxy-прокси и браузер Playwright захватывают бэкенд как опциональные зависимости (pip install vulnclaw[traffic]) и включаются в соответствии с проверками доступности; Доступ автоматически осуществляется в песочнице/каталогах PRD.

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 →