Pentagi渗透测试智能体

PentAGI 项目概述

PentAGI（Penetration testing Artificial General Intelligence）是一款开源、自托管的多智能体自动化渗透测试系统。用户只需用自然语言描述测试目标与目的，系统内的专业 AI 智能体团队便会规划任务、调用 20 余款专业安全工具（如 nmap、Metasploit、sqlmap）并在隔离的 Docker 沙盒中执行，同时记录过程与结果，最终输出可读的漏洞报告。

该项目由位于迪拜的安全工程公司 VXControl 开发，面向安全工程师、渗透测试人员、研究人员与红队，仅供获得授权的测试使用。

核心特性

• 安全隔离：全部操作在沙盒化的 Docker 环境中运行，与宿主机完全隔离。
• 高度自治：由 AI 智能体自主决定并执行渗透测试步骤，可选地结合执行监控与智能任务规划以提升稳定性。
• 专业工具链：内置 20 余款主流安全工具，涵盖 nmap、Metasploit、sqlmap 等。
• 持久化记忆：研究结果与成功经验长期保存，供后续流程复用。
• 可选知识图谱：通过 Graphiti 与 Neo4j 跟踪主机、服务、漏洞之间的语义关系。
• Web 情报能力：内置基于隔离浏览器的抓取能力，并集成 Tavily、Firecrawl、Perplexity、DuckDuckGo、Google Custom Search、Sploitus、SearXNG 等多种外部搜索系统。
• 专家化智能体团队：内置研究、开发、执行等专门角色，配合可选的执行监控与任务规划，可在较小参数模型上获得稳定表现。
• 可观测性：与 Grafana / Prometheus 集成，提供实时系统监控；支持 Langfuse 进行 LLM 调用分析。
• 丰富 API：同时提供 REST 与 GraphQL 接口，使用 Bearer Token 鉴权，便于自动化与集成。
• 多模型支持：支持 OpenAI、Anthropic、Google Gemini、AWS Bedrock、Ollama、DeepSeek、GLM、Kimi、Qwen、Mistral、xAI 等十余家 LLM 提供方，亦支持任意 OpenAI 兼容端点（含 Azure OpenAI）与聚合服务（OpenRouter、DeepInfra 等）。

系统架构

系统采用模块化的微服务设计，主要由以下组件构成：

1. 核心服务：React + TypeScript 的前端、Go 实现的 REST/GraphQL 后端、PostgreSQL + pgvector 向量库、异步任务队列、多智能体引擎。
2. 可选知识图谱：Graphiti 与 Neo4j，用于捕获智能体响应与工具执行记录，形成以 Flow 为作用域的知识库。
3. 监控栈：OpenTelemetry 统一采集，VictoriaMetrics 存储时序指标，Jaeger 提供分布式追踪，Loki 聚合日志，Grafana 进行可视化。
4. 分析平台：Langfuse 提供 LLM 可观测性，ClickHouse 作为分析仓库，Redis 提供缓存与限流，MinIO 提供 S3 兼容对象存储。
5. 安全工具层：隔离浏览器与 20 余款渗透测试工具，全部在沙盒容器内执行。
6. 记忆系统：包括长期记忆（向量库 + 知识库）、工作记忆（当前上下文与目标）、情景记忆（历史动作与成功模式）。

多智能体监督机制

为防止智能体陷入死循环或在单一思路上停滞，系统提供多层监督能力：

• 执行监控（Beta）：通过 Adviser（mentor）智能体在出现重复工具调用或进度停滞时介入，提供替代策略与改进建议。阈值可通过环境变量调整，启用后可使结果质量提升约 2 倍，但执行时间与 token 消耗会增加 2–3 倍。
• 智能任务规划（Beta）：在专家智能体执行前由 Planner 生成 3–7 步具体计划，控制任务边界并突出关键操作与潜在风险。
• 工具调用硬性限制：通用智能体与受限智能体分别配置最大工具调用次数（默认 100 / 20），由 Reflector 引导优雅终止。
• Reflector 纠错：当 LLM 多次未能正确生成工具调用时，自动介入并引导其使用 done、ask 等屏障工具。

官方建议：参数规模小于 32B 的开源模型（如 Qwen3.5-27B-FP8）应同时启用执行监控与任务规划，并可对 Adviser 配置更强的推理参数或更强模型以获得最佳效果。

快速部署

PentAGI 提供交互式安装脚本，支持 Linux、macOS 与 Windows，基于 Docker Compose 完成一键部署。安装过程可配置多租户（tenant_id），以便在同一主机上运行多个独立实例。

部署后可获得完整的 Web 管理界面，登录后即可创建 Flow 并启动渗透测试任务；同时通过 REST/GraphQL API 进行远程调用与自动化集成。

LLM 提供方配置

系统支持通过环境变量或配置文件灵活切换 LLM 后端，包括：

• Azure OpenAI：通过自定义 OpenAI 兼容端点接入。
• Ollama / vLLM：本地模型推理，可参考官方提供的 vLLM + Qwen3.5-27B-FP8 部署指南构建完全离线的本地化方案。
• OpenAI、Anthropic、Google AI（Gemini）、AWS Bedrock、DeepSeek、GLM、Kimi、Qwen、Mistral、xAI：均提供官方配置示例。
• 聚合服务：OpenRouter、DeepInfra、Atlas Cloud、OpenCode Go plan 等可作为统一入口。

高级能力与可观测性

• Langfuse 集成：开启后可对每次 LLM 调用的输入、输出、延迟、token 消耗进行追踪与回放。
• 监控与可观测性：默认启用 VictoriaMetrics + Grafana + Jaeger + Loki + OpenTelemetry 全套监控栈。
• 知识图谱（Graphiti）：可选用 Neo4j 存储实体关系，强化跨任务上下文理解。
• OAuth 集成：支持 GitHub 与 Google 登录。
• Docker 镜像配置：根据任务类型自动选择合适的执行镜像，并支持自定义。

使用流程概要

登录 PentAGI 控制台后，用户通常按以下流程操作：

1. 创建新 Flow，填写目标与测试目的。
2. 由智能体团队自动进行侦察、规划与执行，期间可实时查看日志、工具调用与中间结果。
3. Flow 完成后生成可下载的报告（含漏洞说明与利用指引），并支持 Markdown 与 PDF 格式导出。
4. 历史 Flow 中的成功经验会写入长期记忆，供后续任务检索复用。

范围说明

PentAGI 目前定位为自主 + 助手引导的渗透测试平台，并非 CALDERA 风格的入侵与攻击模拟（BAS）产品；BAS 风格的预定义攻击剧本仍属于概念阶段。Flow 报告当前支持网页查看、复制、Markdown 与 PDF 下载，尚未文档化 JSON 格式导出能力。