PentAGI 开源自主AI红队平台介绍与部署

导语：vxcontrol 在 GitHub 上开源了 PentAGI（Penetration testing Artificial General Intelligence），一套自托管的多智能体渗透测试系统。该项目登顶 GitHub Trending 与 TrendShift 当日榜首。多个 AI 智能体之间通过 HTTP 互相通信，可自主调用 nmap、Metasploit、sqlmap 等 20 余款安全工具，在隔离的 Docker 沙箱中独立完成从信息收集到漏洞利用的整条攻击链路。

一、项目概览

PentAGI 由安全工程公司 VXControl 推出，采用 MIT 协议在 GitHub 完全开源，仓库地址为：

https://github.com/vxcontrol/pentagi

官方站点：https://pentagi.com

按照官方 README 的描述，使用者只需用自然语言描述一个目标系统和测试目标，PentAGI 的智能体团队便会自主规划工作流程，在隔离的 Docker 沙箱中运行 20 余款专业安全工具（如 nmap、Metasploit、sqlmap），记住学习到的内容，并最终交付一份完整的渗透测试报告。整个过程在设计上可做到”零人工输入”。

项目还提供 Docker 镜像，发布在 Docker Hub 上，部署时只需拉取 docker-compose.yml 并配置 .env 文件即可一键启动。

二、多智能体架构

PentAGI 整体采用分层多智能体（multi-agent）架构，将渗透测试流程拆解为编排、研究、开发、执行等不同角色。

顶层是 Orchestrator（编排器），它接收用户给出的目标与目标，自顶向下拆解为 Flow → Task → Subtask → Action 的层次结构。然后向下分派给三类核心子智能体：

Researcher（研究员）：负责对目标进行情报收集，查询已知漏洞源、检索相关 CVE 信息；
Developer（开发者）：根据情报规划具体的攻击策略，生成下一步可执行的命令；
Executor（执行者）：在沙箱化的 Docker 容器中真正运行命令，并将结果回传到上游。

这种分工实际上回应了多智能体设计中的一个常见问题：让单一的大语言模型同时负责侦察、规划与执行，长任务下容易丢失上下文；将角色拆开后，每个智能体的提示词与上下文都更聚焦。

整个系统使用 Neo4j Graphiti 作为图记忆层，使用 PostgreSQL + pgvector 作为向量记忆层，配套 Langfuse 做链路追踪，ClickHouse、OtEL、Grafana 等组件负责可观测性。系统支持 10 余种 LLM 提供商，包括 OpenAI、Anthropic、Google 等，部署时也兼容 Podman 作为 Docker 替代方案。

三、部署与运行

官方推荐的部署方式是 Docker Compose，步骤相当简洁：

mkdir pentagi && cd pentagi
curl -O https://raw.githubusercontent.com/vxcontrol/pentagi/main/docker-compose.yml
curl -o .env https://raw.githubusercontent.com/vxcontrol/pentagi/main/.env.example
# 编辑 .env，填入 LLM 提供商 Key
docker compose up -d

启动后大约会拉起 20 个容器，包括 langfuse-postgres、langfuse-minio、langfuse-clickhouse、grafana、jaeger、otel、pentagi、proxy、nginx 等。

运行起来后，用户通过 Web 界面与 PentAGI 交互。界面提供 Flows、Tasks、Subtasks、Actions、Searches、Vector Store、Screenshots 等多标签页视图，研究员与执行者的每一步操作、终端输出、最终建议都会实时显示在面板中。

四、实际效果示例

官方演示中给出了一个”Web App Vulnerability”任务：智能体自主对一个 Web 应用执行扫描与漏洞验证。从界面可以看到，研发者与执行者会按顺序完成端口探测、目录枚举、文件上传测试、安全 Header 检查、XSS / SQL 注入测试、CSRF 检查、SSRF 检查等多项任务，最终给出每条建议的修复方案。