导语：安全研究员 0xSteph 近日在 GitHub 开源了一款名为 pentest-ai-agents 的工具包，将 Anthropic 的 Claude Code 打造成拥有 28 个专业子代理的渗透测试助手。从侦察、Web 应用到 Active Directory 攻击，从云安全到社会工程学，AI 特工们几乎覆盖了渗透测试的全生命周期。这事儿吧，得从两边儿看——红队兄弟可能要笑醒了，蓝队兄弟怕是要睡不着了。
一、事件概述
1.1 工具亮相
pentest-ai-agents 是一个开源工具包，由安全研究员 0xSteph 开发并发布在 GitHub 上。它的核心思路很清晰：与其让一个通用 AI 模型啥都懂点但啥都不精，不如养一支”特工队”，每个成员都是某个领域的专家。
这支特工队目前有 28 名成员（最新版本已扩展到 31 个），覆盖了渗透测试的方方面面：
- 侦察与 OSINT：recon-advisor、osint-collector
- Web 应用测试：web-hunter、api-security、bug-bounty、bizlogic-hunter
- Active Directory 攻击：ad-attacker、credential-tester
- 云安全：cloud-security、cicd-redteam
- 移动安全：mobile-pentester、reverse-engineer
- 无线攻击：wireless-pentester
- 社会工程学：social-engineer、phishing-operator
- 漏洞利用链：exploit-chainer、poc-validator
- 检测与防御：detection-engineer、threat-modeler
- 报告生成：engagement-planner、report-generator
1.2 安装方式
这工具的.install 脚本简单到让人怀疑人生：
curl -fsSL https://raw.githubusercontent.com/0xSteph/pentest-ai-agents/main/install.sh | bash一行命令，完事。脚本会把 28 个代理文件复制到 ~/.claude/agents/ 目录下，无需服务器、无需外部依赖、无需复杂配置。而且支持幂等操作——重复运行也不会出问题，只会安全地更新现有代理。
对于有洁癖的师傅，还支持项目级部署（--project）和成本优化模式（--global --lite，用 Claude Haiku 跑顾问型代理，省 token）。
二、技术架构
2.1 双层执行模型
pentest-ai-agents 设计了一个挺有意思的安全机制：双层执行模型（Two-Tier Execution Model）。
Tier 1（顾问模式）：所有代理都支持这个模式。用户自己运行工具，把输出粘贴给 AI，AI 负责分析结果、给出优先级排序、推荐下一步操作。这种方式下，AI 只是个”军师”，动嘴不动手。
Tier 2（执行模式）：部分精选代理支持。用户声明授权范围后，AI 可以直接生成并执行命令，但 Claude Code 会在执行前显示每条命令，需要用户明确批准。支持 Tier 2 的代理包括：
| 代理 | 可执行工具 |
|---|---|
| Recon Advisor | nmap, dig, whois, curl, netcat, traceroute, whatweb, nikto |
| Vuln Scanner | nuclei, nikto, nmap NSE scripts |
| Web Hunter | ffuf, gobuster, feroxbuster, sqlmap, dalfox, whatweb |
| AD Attacker | BloodHound, Impacket, CrackMapExec, Certipy, ldapsearch |
| Exploit Chainer | 多步骤攻击链执行，每步需批准 |
| PoC Validator | 安全、非破坏性的概念验证脚本 |
| Business Logic Hunter | 逻辑漏洞测试（价格操纵、竞态条件等） |
这设计挺聪明——既给了自动化便利，又保留了人工把关，避免 AI 一激动把生产环境给”渗透”了。
2.2 持久化发现数据库
工具内置了一个 SQLite 支持的发现数据库（findings.sh），可以在多次 Claude Code 会话之间持久化保存渗透测试数据。这意味着什么？你可以今天测一半，明天接着来，AI 记得你昨天发现了啥。
Tier 2 代理会自动将发现写入数据库（前提是 findings.sh 在系统 PATH 中）。报告生成器代理可以基于这些数据生成专业的渗透测试报告，包括执行摘要、CVSS 评分和修复路线图。
2.3 本地模型支持
对于有数据隐私要求或者网络隔离的环境，工具提供了 opencode-setup.sh 脚本，可以将代理转换为 OpenCode 自定义命令，兼容 Ollama、LM Studio 或任何本地模型。
还有个配套的 MCP 服务器（pentest-ai），提供 150+ 工具封装、自主漏洞利用链和 CI/CD 管道集成，支持 Claude Desktop、Cursor 和 VS Code Copilot。
三、社区反响
3.1 期待派：AI 要统治渗透测试了？
HackerNews 上有位老哥预测得很直接：
“从中期来看，代理平台基本上会在所有’常规化’的渗透测试任务上碾压未增强的人工测试团队——网络、Web、移动、代码审计都不例外。这项工作有太多方面天生就适合代理循环。”
另一位老哥更激进：
“到 2027 年底，如果你做一个三角测试，2:1 的 AI/人类或者反过来，我觉得你根本区分不出来。”
支持这个观点的理由很充分：
- 横向扩展能力：人类渗透测试员受限于时间和注意力，AI 可以同时启动 1000 个子代理测试每个假设、每个 API 参数、每种注入可能
- 不会疲劳：人类在最佳状态可能比 AI 有 20% 的创造力优势，但 AI 能在整个测试过程中始终保持峰值表现
- 自动化需求：有人直言，”网络渗透测试还需要人类做大量工作，这本身就是自动化失败的证明”
3.2 怀疑派：别高兴太早
当然，也有冷静的声音。Reddit 上有安全从业者指出：
“自动化渗透测试扫描器只能找到底部 10-20% 的漏洞，真正的渗透测试工程师不会认为它们有多厉害。AI 可能把这个数字提升到 40%-50%，它们真正擅长的是发现’信号’，让人类去调查。”
还有人担心模型厂商的政策风险：
“好玩归好玩，直到 Anthropic 决定不允许你用他们的模型做渗透测试，然后封禁你的个人和企业访问权限。”
对此，0xSteph 在 Reddit 上回应说，他花了很多时间思考这个问题，专门设计了代理专注于授权测试，所有攻击行为都映射到 MITRE ATT&CK 框架，并配对防御上下文。
3.3 技术派的担忧
有经验丰富的安全专家指出了 AI 的短板：
“AI 代理找不到绕过攻击，因为它们没有记忆。像 SSL Heartbleed 这类漏洞，需要理解 memset 或 malloc 的工作原理，或者需要利用泄漏函数创建特定偏移量——这些对 LLM 来说很难，因为它们容易忘记太多关于代码和程序的重要信息。”
不过也有人反驳说，记忆问题正在通过架构方式解决，比如使用结构化状态在迭代之间传递，而不是依赖模型的上下文窗口。
四、紫队视角：这事儿怎么看？
4.1 红队兄弟怎么看
红队兄弟估计已经笑醒了。想想看：
- 以前写报告要熬夜，现在 report-generator 代理帮你搞定执行摘要、CVSS 评分、修复建议
- 以前做侦察要手动跑一堆工具，现在 recon-advisor 自动分析 nmap 输出，告诉你哪个目标优先级最高
- 以前研究利用链要查一堆文档，现在 exploit-chainer 自动把低危发现串成完整攻击路径
一位红队师傅在社交媒体上说：”这工具最爽的不是自动化，而是它真的懂行。每个代理都有深度领域知识，不是那种只会说’建议加强安全意识培训’的 AI 。”
4.2 蓝队兄弟怎么看
蓝队兄弟可能心情复杂。一方面，detection-engineer 代理可以帮你写 Sigma 规则、Splunk SPL、Elastic KQL 检测规则，还带误报调优；另一方面，ad-attacker 代理能把你的 AD 环境扒得底裤都不剩。
但话说回来，最好的防守是知道攻击者怎么想。pentest-ai-agents 的每个攻击代理都配对了防御上下文，这其实是在帮蓝队理解攻击者的思路。
有蓝队师傅在评论里说：”我用这工具做内部评估，比等外部渗透测试快多了。每周跑一次，发现问题马上修，总比被真黑客找出来强。”
4.3 紫队想说啥
作为紫队视角的观察者，我觉得这事儿有几个关键点：
第一，AI 不是取代，是增强。pentest-ai-agents 的设计者很聪明，Tier 2 模式要求用户批准每条命令，这不是限制，是保护。AI 负责处理重复性、高并发的任务，人类负责判断、决策和创造性工作。
第二，授权是底线。工具文档里反复强调”authorized penetration testing”，所有攻击行为都应该在授权范围内使用。这不是套话，是法律红线。
第三，攻防协作才是未来。红队用这工具找漏洞，蓝队用这工具写检测规则，双方在同一个框架下对话，这本身就是紫队理念的体现。
五、使用建议
5.1 入门步骤
- 安装：一行命令搞定
curl -fsSL https://raw.githubusercontent.com/0xSteph/pentest-ai-agents/main/install.sh | bash- 检查工具链：运行
db/doctor.sh看看你缺哪些底层工具（nmap、nuclei、sqlmap 等） - 安装工具（可选）：
./install.sh --tools- 开始使用：打开 Claude Code，直接描述任务
"为 500 台终端的 AD 环境规划一次内部渗透测试，时间窗口 2 周"5.2 注意事项
- 授权范围：始终在授权范围内使用，Tier 2 模式会验证目标是否在声明的范围内
- 容器隔离：建议在 Docker 容器中运行安全工具，保持工作站清洁，避免触发终端防护
- 成本优化：可以使用
--global --lite模式，用 Claude Haiku 跑顾问型代理，降低 token 消耗 - 本地部署：敏感环境可以用
opencode-setup.sh转换为本地模型
5.3 快速命令参考
| 命令 | 功能 |
|---|---|
/recommend "任务描述" | 推荐合适的代理并给出具体命令 |
/agents-for web | 列出所有与 Web 测试相关的代理 |
/agents-for cloud | 列出云安全相关代理 |
findings.sh init <id> | 初始化新的渗透测试项目 |
findings.sh stats | 查看项目进度 |
findings.sh export | 导出完整 JSON 数据 |
bash handoff.sh | 生成 Markdown 交接报告 |
六、总结
pentest-ai-agents 的出现，标志着 AI 在渗透测试领域的应用进入了一个新阶段。它不是简单的”AI+ 安全工具”堆砌，而是真正理解了渗透测试的工作流程，用多代理架构模拟了一支专业团队。
这事儿吧，得从两边儿看：
红队这波操作：28 个专业代理覆盖全流程，一键安装，自动写报告，我给 85 分。剩下 15 分扣在——别太依赖 AI，基本功还得练。
蓝队这招防守：用同样的工具做内部评估，提前发现问题，检测规则直接让 AI 写，也挺香。
紫队的建议：攻守之道，在于平衡。AI 是工具，不是答案。最好的安全团队，是会用 AI 增强自己，而不是被 AI 取代思考的团队。
最后送大家一句话：黑客和内防的战争，比美剧还精彩。现在，AI 也加入战局了。这出戏，越来越好看咯。
参考资料
- pentest-ai-agents GitHub 仓库：https://github.com/0xSteph/pentest-ai-agents
- Cybersecurity News 报道：https://cybersecuritynews.com/pentest-ai-agents-tool/
- HackerNews 讨论：https://news.ycombinator.com/item?id=46518996
- AI Pentesting Agents 2026 分析：https://appsecsanta.com/research/ai-pentesting-agents-2026
- 0xSteph 在 Reddit 的回应：https://www.reddit.com/r/cybersecurity/comments/1s6wu98/
本文从第三方视角分析 pentest-ai-agents 工具，旨在提供客观的技术评估和社区观点汇总。工具本身为开源项目，使用前请确保在授权范围内使用。
暂无评论内容