AI Agent 进入网络安全之后，渗透测试开始有点不一样了

原创

小智
小智

智榜样网络安全学习中心

2026年9月30日 21:59
湖南

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

近来，AI 安全工具的使用越发频繁，越发容易出现的情况：AI会进行聊天，但是在实际开展安全测试工作的时候，仍然得自己去做。

你让它解析某一漏洞，它能够向你讲解原理；你撰写脚本，它还能够帮助你产生代码。但是到了真实的测试阶段，端口扫描，目录发现，子域名枚举，漏洞验证，结果整理，常常是终端开设一堆窗口然后工具一个一个地往前跑。

CyberStikeAI想要解决的，正好就是那一段。

它并非仅仅是给大模型搭建一个聊天的窗口，实际上是把AI Agent，MCP，安全工具，知识库，工作流，漏洞管理以及审计放到了一个平台当中。官方的项目当下使用Go来进行搭建，并且依靠EinoAgent进行编排，而且具备MCP原生的工具以及RAG知识的库，可视化的工作的流程还有攻击链的建模功能。

项目地址：

https://github.com/AIPentest/CyberStrikeAI

打开之后，你会发现它更像一个安全工作台

先抛开AI，直接去查看界面情况。

CyberStikeAI它的首页不是单纯的聊天框子，而是有着完整控制台的。系统的状态漏洞的数量，工具执行的情况，任务以及别的安全方面的数据，都能够在这个页面当中被看到。

CyberStrikeAI 系统仪表盘

此类设计确实很关键。

因为在实际进行安全测试的时候，最为麻烦的往往不是去执行某一个命令，而是在执行十几个乃至几十个的命令之后，如何把结果串联起来。

比如先找到一个开放的端口，之后判断相对应的服务，再找到Web应用，接着开展目录的发现以及漏洞的检测工作。传统的方式大多依靠人脑去记录上下文，CyStrikeAI想要让Agent参与到这个过程当中，把之前的结果当作后续任务输入的内容。

说，它更加接近：

提出目标，Agent规划，调用工具，分析结果，继续执行，保存证据。

而非是：

问AI某一个问题，AI回答某段文字。

AI Agent 在这里到底干什么？

CyberStikeAI官方拥有单agent以及Deep，Plan - Execute，Supervisor等许多编排方式，并且可以借助图形化的工作流程，把Agent，工具，条件，审批还有输出进行组合。

CyberStrikeAI AI 对话与执行界面

举一个较为容易领会的实例。

在自身的靶场中，你可给予其授权测试的目标，让其率先实现基础资产的发现。获取结果之后，随后依据实际状况开展Web服务的探测，目录的察觉或漏洞的扫描操作。

此刻 AI 的作用并非取代nmap，nuclei，ffuf这类工具，反而是肩负决定何时应运用何种工具的职责，以及如何领会前一工具留存下来的成果。

此思路实际上比AI自动产生命令更具意义。

原因在于安全工具自身已经十分成熟。nmap无需重新进行研发，nuclei也无需再重新开展研发工作，而真正缺乏的是一种能够将这些工具进行组织的上层实施逻辑。

CyberStikeAI所做的就是这一个层面。

100+ 安全工具，才是它真正的基础设施

要是仅仅只有Agent，不存在工具，最终还是聊天的机器人罢了。

CyberStikeAI官方当下提供了100多个YAML的工具方面的配方，包含网络扫描，Web以及应用扫描还有漏洞检测，子域名进行枚举，API安全还有容器安全，云安全二进制解析，取证等好几个方面。

比较常用的工具包含nmap，masscan，rustscan，sqlmap，ffuf，gobuster，nuclei，subfinder，amass等等。

此处存在一个较为实用的设计：工具并非仅仅处于程序之中。

项目将工具配置单独放置于tools /这个目录里面，每个工具都存在对应的YAML配置，能够对命令，参数，启用状态以及描述进行定义。后续要是想要扩展新工具的话，不一定得去更改核心的代码。

官方的工具文档当中还专门设置了short_description，使得系统在把众多工具信息传递到大模型的时候，只是先发送短的描述，防止一次性耗费大量的Token；要是真的需要详细的信息，就通过MCP来进一步进行读取。

对于 AI  Agent而言，这实际上是一个非常实际的问题所在。

工具数量越多模型所获取的信息越多。

要是把几十到百个工具完整的描述全部放进上下文里，Token就很容易把精力浪费在“知道工具”这个事情上面。因此CyberStikeAI拆解工具发现以及工具详细的说明，从根本上来说是为了解决Agent工具规模不断扩大之后产生的下文方面的问题。

MCP，让它不再局限于本地工具

这是我认为CyberStikeAI和普通 AI 安全脚本相比更值得去探究的地方。

它将MCP置于核心架构之中，当下支持HTTP，stdio，SSE，外部的MCP联邦还有动态工具的发现。

CyberStrikeAI MCP 管理界面

简单来看就是，CyberStrikeAI自身不是全部能力的终结点。

你完全能够借助MCP接入不同安全能力，随后让Agent依据任务来发现并调用这类能力。

如同为安全测试的环境构建了一条“总线”

未来你可能拥有一项资产发现的服务，一个Burp的流量入口，若干扫描器以及自己编写的内部的工具，这些工具不需要整合到同一个代码里面，而是能够分别给予能力，之后交由统一的Agent来进行调度。

当一台机器运行主平台时，其余机器或容器分别运行不同工具时，借助网络接入能力，整体安全实验的环境会比数十个终端的窗口更为整齐。

发现漏洞之后，它还要负责“收拾残局”

众多AI安全Demo存在一个共同问题：

扫描结束了，接下来？

终端之中出现了许多结果，比如截图，复制，分类，整理，全部都是人工来完成的。

CyberStikeAI将漏洞单独当作管理模块来使用，能够保存漏洞的信息，并且从严重程度，状态等方面去查看。

CyberStrikeAI 漏洞管理界面

此步骤看似并非“AI”，但是从实际运用层面而言，它反而极为关键。

原因在于安全测试并非一次性开展。

你今日察觉到的问题或许下周还要进行复测；某一个项目可能存在几十个缺陷；同一资产可能会经历多个阶段的测试。

因此真正具有价值的体系，不应该仅仅告诉你“此处存在一处漏洞”，而应当知道该漏洞归属于哪一个项目，当前处于何种状态，之前进行过何种操作以及相应的测试依据在何处。

CyberStikeAI还具备项目，攻击链，资产以及任务管理这类功能，从本质来看是把一回测试从聊天记录变成能够持续进行维护的资料。

Burp Suite 也能接进来

对于很多已经熟悉Burp的人而言，还存在一种比较实际的功能。

CyberStikeAI具备BurpServer插件，并且还拥有Chrome / Edge这两个浏览器的扩展情况。浏览网络进行扩展能够捕捉DevToolsNetwork的流量，之后交给CyStrikeAI来进行AI辅助方面的分析。

这表明它并没有尝试让传统的安全工具完全消失掉。

相反它就好像是\\在原来的工具链之上再添加一层 AI \\。

Burp是Burp，nmap是Nmap，nuclei是nuclei，不过以往这些工具相互连接主要依靠人，当下可以慢慢交给Agent以及工作流来完成。

这或许是AI进入到安全测试之后更为实际的发展趋向。

虚拟机能不能跑？

从项目的部署方式来看，拿一台独立的虚拟机做实验环境是比较合适的。

官方部署文档要求 Go 环境以及 Python 环境，同时默认使用 SQLite 保存数据，不要求额外部署数据库；项目还提供 run.sh 进行启动。

基础启动方式很简单：

git clone https://github.com/AIPentest/CyberStrikeAI.git
cd CyberStrikeAI
chmod +x run.sh && ./run.sh

启动以后，再进入系统设置配置 AI Channel，填写模型服务的 Base URL、API Key、模型名称以及 Token 参数。

安全工具则根据自己的需求单独安装。项目里的 YAML 文件主要负责描述如何调用工具，并不会自动把所有 nmap、nuclei、sqlmap 之类的软件全部装进系统。

最后聊聊这个项目真正值得看的地方

CyberStikeAI 有趣的地方，不是“AI能够运行nmap”此类事情。

真正需要留意的是它正在尝试把若干个原本分离开来的物件放到一起：

Agent承担思考的职责，MCP承担连接的责任，安全的工具承担执行的任务，知识库补充的上下文，组织过程的工作流，保存结果的漏洞管理。

这个结构一旦打通，AI 在安全方面的作用就会有一点改变。

它不再仅仅是一个能够帮助你去解释漏洞情况的聊天工具，也不再只是能够生成Payload代码的帮手，而是已经变成可以参与到安全测试过程当中的执行层级。

当然，AI 到底能够把这个流程自动进行自动化，还得看具体的模型，工具的质量，环境还有人工审核的机制。

但是就工程实现而言，CyberStikeAI已经将AI Agent加上MCP再加上网络安全方面的工具此类路线打造成为一个能够自己进行部署，自己来进行转换的开源的项目。

🎁 互动与福利

分享本文到朋友圈，点赞+在看+关注，一键三联，可以凭截图找老师领取

上千学习资料+工具哦

22919c6e4ef945aa9a9cbf0f6df4f6ff

分享后扫码加我！