当前位置：首页 > news >正文

30 分钟把 100+ 安全工具拧成一个智能体：CyberStrikeAI 实战手记

news 2026/8/17 21:32:30

30 分钟把 100+ 安全工具拧成一个智能体：CyberStrikeAI 实战手记

【免费下载链接】CyberStrikeAIThe system of action for AI-native cybersecurity—where intent becomes governed execution, evidence becomes operational memory, and every operation improves the next.项目地址: https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI

凌晨两点，CTF 赛题还剩最后一道 pwn。你手上摆着 nmap、pwntools、gdb、one_gadget 四套工具，却在来回切换的缝隙里耗掉了大半晚——这正是很多测试员的日常。CyberStrikeAI 想消掉的就是这份内耗：它把 100+ 安全工具、MCP 生态与智能体编排收进同一个可审计工作空间，让"一句话需求"直接变成受控执行，再让每次行动沉淀为下一次行动的参考。下面我沿着一场授权测试的完整流程，带你从零把它跑起来。

一条命令，先让"测试中枢"跑起来

手动串联工具链的痛苦，在安装平台时不该再体验一遍。CyberStrikeAI 把部署收敛成一条命令，前提只有两个：Go 1.21+ 与 Python 3.10+。

git clone https://gitcode.com/GitHub_Trending/cy/CyberStrikeAI cd CyberStrikeAI chmod +x run.sh && ./run.sh

run.sh会自动校验环境、创建 Python 虚拟环境、安装依赖并编译 Go 服务端，默认以 HTTPS + 自签证书启动（浏览器提示不受信任属正常现象，也可用./run.sh --http走明文）。启动后访问https://localhost:8080，用控制台打印的初始密码登录，再在"系统设置"里改掉它。✅

登录后看到的第一眼，是一个把所有子系统串起来的控制台：对话、工具、任务、WebShell、资产管理各就各位。AI 原生平台的体验从这里正式开场——你不需要先背下每个工具的 CLI 参数。

Web 控制台是进入平台的第一站，自然语言指令在这里变成真实的工具调用。

两处配置，决定你的测试体验

平台能跑起来只是起点，AI 的表现取决于两处关键配置。

AI 通道：给智能体装上大脑

对话驱动的核心是模型通道。把config.example.yaml复制为config.yaml，在ai.channels下填写任意 OpenAI 兼容接口（OpenAI、DeepSeek、通义等均可用）：

ai: default_channel: my-model channels: my-model: provider: openai_compatible base_url: "https://api.openai.com/v1" api_key: "sk-xxx" model: "gpt-4o"

支持多通道并存与一键切换；每个通道可独立配置 token 上限与推理强度（reasoning.mode），让规划类模型与执行类模型各司其职。

角色：让 AI 带着任务模板开工

第二处是roles/目录下的角色 YAML。每个角色封装了提示词、工具集与启用状态，例如roles/CTF.yaml直接把 AI 设定为"CTF 竞赛专家"，自动挂载解题思维与对应工具。切换角色，等于切换一整套解题策略，而不只是换一句开场白。

在角色管理里为 CTF、渗透测试、云安全等场景分别维护专属工具集。

从一句话到一份攻击链：三次实战演练

配置就绪后，真正的测试开始了。

演练一：信息收集一句话化。在对话里输入"对 192.168.1.10 做全端口扫描，识别服务版本"，平台会自动挑选 nmap 并组织参数，把结果整理成可读报告——省去记忆-sV -p-这类细节的功夫。

演练二：漏洞利用与攻击链串联。输入"分析目标站点的 SQL 注入点，并尝试读取数据库版本"，AI 会依次执行探测、构造 payload、提取数据，并把每一步记录成节点，生成可导出的攻击链图。这不只是一份"结果"，更是一条可复盘的路径。

攻击链图把单次漏洞利用串成完整路径，支持筛选与导出，复盘报告随手可得。

演练三：批量任务排队执行。复杂题目常需要"先枚举子域，再逐域扫目录，最后测登录页"。把这三个步骤建成批量任务队列，交给后台按序执行，期间你可以去分析上一轮结果，而不是守在终端前盯进度。

批量任务把多步骤流程做成可复用队列，测试中途随时暂停、续跑或删除。

再进一步：把它变成你的"测试队友"

熟悉基础用法后，有两个进阶能力值得挖掘。

一是MCP 联邦。项目自带 MCP 客户端与服务端实现，可接入 HTTP、stdio、SSE 以及外部 MCP 服务器（mcp-servers/里就有现成的 reverse_shell、pent_claude_agent 示例），还能把 Burp Suite、浏览器插件挂进生态，让工具集跟着你的需求自然生长。

二是人机协同（HITL）审批。高危操作默认交给人工或审计 Agent 把关，config.yaml的hitl.tool_whitelist可对 read_file、glob 等只读工具免审批，各类渗透 payload 则按规则放行——既保留 AI 的进攻性，又守住"可审计、可干预"的底线。

写在最后

从一条命令部署，到一句话发起测试，再到一份可导出的攻击链，CyberStrikeAI 把"工具链的杂活"交给了系统，把"判断与决策"留给了你。它的文档体系同样完整：部署细节看 docs/zh-CN/deployment.md，配置画像参考 docs/zh-CN/configuration-profiles.md，涉及安全边界务必先读 docs/zh-CN/security-model.md。

现在就去 clone 仓库把它跑起来，让下一次测试从"记参数"变成"下指令"。