# VulnClaw 🦞 > *AI 驱动的渗透测试 CLI 工具 — 说人话，打漏洞。* [![License: MIT](https://img.shields.io/badge/License-MIT-blue.svg)](LICENSE) [![Python 3.10+](https://img.shields.io/badge/Python-3.10+-blue.svg)](https://www.python.org/) [![OpenAI Compatible](https://img.shields.io/badge/API-OpenAI_Compatible-green)](https://platform.openai.com/) [![MCP](https://img.shields.io/badge/Toolchain-MCP-orange)](https://modelcontextprotocol.io/) [![PyPI](https://img.shields.io/badge/PyPI-v0.4.1-blueviolet)](https://pypi.org/project/vulnclaw/) [![codecov](https://codecov.io/gh/Netw0rkNoob/VulnClaw/branch/main/graph/badge.svg)](https://codecov.io/gh/Netw0rkNoob/VulnClaw) [![Security](https://img.shields.io/badge/Scope-Authorized_Only-red)](#-安全声明) [![Discord](https://img.shields.io/badge/Discord-Join_Community-5865F2?logo=discord&logoColor=white)](https://discord.gg/q5nrZpe6S) [![AtomGitStars](https://atomgit.com/Unclecheng-li/VulnClaw/star/badge.svg)](https://atomgit.com/Unclecheng-li/VulnClaw)

🌐 **English version**: [`README_EN.md`](README_EN.md) **本项目是可独立运行的 AI 渗透测试 Agent。**
项目官网：https://unclecheng-li.github.io/vulnclaw.com/
基于 LLM Agent + MCP 工具链 + 可选 Skill 参考资料，配合 OpenAI / Anthropic / MiniMax / DeepSeek 等兼容模型，自然语言输入 → 自动完成「信息收集 → 漏洞发现 → 漏洞利用 → 报告生成」全流程。 [快速开始](#快速开始) · [架构](#架构) · [内置 Skill](#内置-skill)

--- ## 它能做什么输入自然语言，AI 自动执行渗透测试全流程： ``` 用户输入：帮我对 http://target.example.com 进行渗透测试 VulnClaw 自动执行： Round 1: 信息收集 → 指纹识别、端口扫描、目录枚举 Round 2: 漏洞发现 → 检测注入点、已知 CVE、配置缺陷 Round 3: 漏洞利用 → PoC 验证、权限获取 Round 4: 报告生成 → 结构化报告 + Python PoC 脚本 ```

适用于已授权的渗透测试、CTF 竞赛、安全教学、红队演练等场景。 --- ## 特性 - **模型主导求解引擎（默认）** — 类似 Claude Code/Codex 的自主循环，模型自己决定下一步、何时调用工具、何时完成/询问/判定无路可走 - **AgentState 证据记忆** — 工具结果统一写入 `AgentState.evidence`，raw 原文完整保留；active context 默认只注入高信号预览，`evidence_search` / `evidence_view` 用于按需回查原始证据 - **轻量纠偏层** — 工具调用前后记录重复调用、失败降级、耗时和新发现等信号；重复读取同一 evidence 范围会被抑制，连续证据空转会触发 stall guard，但不恢复旧阶段规划器 - **证据级反幻觉闸门** — 声称的 flag/结论必须在真实工具输出里逐字符出现才被采信，杜绝凭空编造 flag 的假胜利 - **自然语言驱动** — 用人话描述渗透意图，自动识别阶段和工具 - **13 个 LLM Provider** — OpenAI / Anthropic / MiniMax / DeepSeek / 智谱 / Moonshot / 千问 / SiliconFlow / 豆包 / 阶跃星辰 / 商汤 / OpenRouter / 本地 Ollama，一键切换 - **MCP 工具链** — 4 个 MCP 服务：`fetch` / `memory` 本地实现开箱即用，`chrome-devtools` / `burp` 对接外部 MCP 服务实现浏览器自动化和 HTTP 抓包重放 - **增强 fetch 请求工具** — 默认直接 GET 并返回完整响应 body，支持 HTTP/HTTPS、自定义 method/headers/params/cookies/body/data/form/json、timeout/redirect/TLS 控制；CTF/靶场 HTTPS 默认不校验证书 - **原生流量证据存储** — 按运行内作用域过滤后以追加式 JSONL 索引 + 每请求原始报文落盘于 `evidence/traffic/`，内置 `traffic_list` / `traffic_view` / `traffic_repeat` / `traffic_sitemap` 工具直接读写 - **AI Agent 核心** — OpenAI 兼容协议 + Tool Calling + 自主渗透循环 - **结构化推理 + 自适应反思** — 已知事实/约束/攻击链结构化沉淀；失败自动归类并按 L0-L4 渐进升级 payload 绕过策略 - **漏洞检测插件体系** — 低耦合插件运行时 + 内置只读 Web 插件，结果自动汇入报告链路（`vulnclaw plugins`） - **50 个专项 Skill** — 覆盖 CTF、Web、内网、逆向、漏洞验证与授权红队知识库；Skill 只作为参考资料索引暴露给模型，正文需要模型主动调用 `load_skill_reference` 按需读取，不再作为强制剧本注入上下文 - **编解码/加解密工具** — 29 种操作（Base64/Hex/URL/AES/JWT/Morse 等），LLM 可精确调用，不再靠猜测 - **源码自动还原** — `fetch` / `http_probe_batch` 遇到 `highlight_file`、HTML 高亮源码或混杂 HTML/JS body 时会自动在 raw body 前追加 clean source；`http_probe_batch` 默认关闭 TLS 校验并记录完整响应头，避免丢失 `X-Powered-By` 等运行时证据；内置 `source_extract` 仍可用于按需重读历史 evidence，并固定危险 sink、表单与 endpoint 信号 - **本地命令验证** — 内置 `shell_command`，用于 `php -r` 反序列化验证、`curl` 精确请求、`rg`/`Select-String` 文件检索等 Codex-style 本地调试场景；raw stdout/stderr 完整写入 evidence，大输出进入模型时使用高信号预览 - **运行时差分探测** — 内置 `runtime_diff_probe`，用于正则/字符串过滤器与运行时解析器不一致的场景，帮助模型批量生成并验证“过滤器漏过、解析器接受”的候选；PHP 序列化模式会提示目标/本地运行时版本差异，并把 PHP5 signed length 候选标记为必须远程验证，避免被本地新版 PHP 误杀 - **Python 代码执行** — 内置 `python_execute` 工具，适合 payload 构造和响应解析；当前仍属高风险实验能力，不应视为强隔离沙箱 - **批量 HTTP 探测** — 内置 `http_probe_batch`，用于一次比较多组 URL/参数/header/body/raw URL 变体，默认返回每个响应的完整 body，并在模型可见输出中展示实际请求面（method、URL、params、headers、cookies、body/json），减少重复 LLM 轮次和手写请求代码 - **近成功防误停** — solve 保留证据闸门，并新增通用 `NO_PATH` 闸门：当源码 sink、表单/参数、请求面、本地 proof 或响应差异等高信号尚未耗尽时，不接受模型因单次 payload 无回显/远端 same-body 就提前判死 - **持续性渗透测试** — 周期循环（默认 100 轮/周期 × 10 周期 = 1000 轮），每周期自动生成报告 - **推理过程显示控制** — `think on/off` 一键切换 LLM 思考过程的显示/隐藏 - **沙盒模式提示词** — 解锁 AI 安全测试能力，CTF / 授权渗透场景专用 - **自动报告 & PoC** — 生成结构化 Markdown 报告和可运行的 Python PoC 脚本 - **Web UI 模式** — `vulnclaw web` 启动本地 Web 界面，默认 `127.0.0.1:7788` - **安全知识库** — 已内置知识库模块与基础种子数据，检索增强正在逐步接入主流程 --- ## 快速开始 ### 安装 ```bash # 从 PyPI 安装（推荐） pip install vulnclaw # 从源码安装 git clone https://github.com/Netw0rkNoob/VulnClaw.git cd VulnClaw pip install -e . ``` ### Docker 运行（可选）镜像已内置 Web UI 以及默认 MCP 服务所需的运行时（`npx` / `uvx`），所有状态持久化到 `/data` 数据卷。 ```bash cp .env.example .env # 填入 VULNCLAW_LLM_API_KEY 等 docker compose up --build # 构建镜像并启动 Web UI # 打开 http://127.0.0.1:7788 ``` 也可用纯 docker 运行某条 CLI 命令： ```bash docker run --rm -it \ -e VULNCLAW_LLM_API_KEY=sk-your-key-here \ -v vulnclaw-data:/data \ vulnclaw:latest scan ``` > ⚠️ 容器内的 `localhost` 指向容器自身。扫描宿主机服务请使用 `host.docker.internal`，扫描其它容器请共享网络并用容器名访问。详见 [DOCKER.md](DOCKER.md)。 ### 四步启动 ```bash # 1. 选择提供商（自动填充 Base URL 和模型名） vulnclaw config provider minimax (或 openai/anthropic/deepseek/zhipu/moonshot/qwen/siliconflow/ollama) # 1.2（可选）自定义 Base URL 或模型名 vulnclaw config set llm.base_url https://your-own-api.example.com/v1 vulnclaw config set llm.model your-model-name # 2. 设置 API Key vulnclaw config set llm.api_key sk-your-key-here # — 或改用 ChatGPT 订阅登录（无需 API Key）： # vulnclaw login （浏览器登录；注意 ToS 风险） # 3. 默认：打开原 CLI / REPL vulnclaw # 4. 可选：打开 TUI 工作台 vulnclaw tui ``` ### 环境检查 ```bash vulnclaw doctor ``` 输出示例： ``` 🦞 VulnClaw 环境检查 Python: 3.14.4 Node.js: v24.14.1 npx: 已安装 nmap: 已安装 LLM 配置: Provider: openai Auth Mode: static Credentials: configured Base URL: https://api.openai.com/v1 Model: gpt-4o MCP 服务: fetch: 已启用 [P0] memory: 已启用 [P0] ... ✅ 环境就绪，运行 vulnclaw 开始 ``` --- ## CLI 命令速查 ```bash $ vulnclaw --help 🦞 VulnClaw — AI-powered penetration testing CLI Usage: vulnclaw [OPTIONS] COMMAND [ARGS]... Commands: run 🚀 一键全流程渗透测试（默认使用 solve 引擎） solve 🧩 目标驱动求解（模型主导，无固定轮数） persistent 🔄 持续性渗透测试（100轮/周期） recon 🔍 仅信息收集阶段 scan 🔎 执行漏洞扫描阶段 exploit 💥 执行漏洞利用阶段 report 📝 从会话记录生成报告 repl 💬 启动经典 REPL 交互界面 config ⚙️ 管理配置（set/get/list/provider） plugins 🧩 管理漏洞检测插件（list/info/run） init 🔧 初始化配置 doctor 🏥 检查运行环境 tui 🖥️ 打开终端图形化工作台 web 🌐 启动本地 Web UI code 🧬 本地源码安全扫描（无需网络目标） ``` | 命令 | 说明 | 示例 | |------|------|------| | `vulnclaw` | 默认打开原 CLI / REPL | `vulnclaw` | | `vulnclaw tui` | 终端图形化工作台 | `vulnclaw tui --target target.com` | | `vulnclaw repl` | 启动经典 REPL 交互界面 | `vulnclaw repl` | | `vulnclaw solve ` | 目标驱动求解（无固定轮数，拿到目标即停） | `vulnclaw solve target.com --goal "拿到flag"` | | `vulnclaw run ` | 一键全流程渗透（默认走 solve 引擎） | `vulnclaw run 192.168.1.1` | | `vulnclaw persistent ` | 持续性渗透（100轮/周期） | `vulnclaw persistent 192.168.1.1` | | `vulnclaw recon ` | 仅信息收集（不利用漏洞） | `vulnclaw recon target.com` | | `vulnclaw scan ` | 漏洞扫描阶段 | `vulnclaw scan target.com --ports 80,443` | | `vulnclaw exploit ` | 漏洞利用阶段 | `vulnclaw exploit target.com --cve CVE-2024-1234` | | `vulnclaw report ` | 从会话 JSON 生成报告 | `vulnclaw report session_xxx.json` | | `vulnclaw config set ` | 设置配置项 | `vulnclaw config set llm.api_key sk-xxx` | | `vulnclaw config provider ` | 切换 LLM 提供商 | `vulnclaw config provider minimax` | | `vulnclaw plugins list` | 列出漏洞检测插件 | `vulnclaw plugins list --stage discovery` | | `vulnclaw plugins info ` | 查看插件元信息 | `vulnclaw plugins info builtin.web.headers` | | `vulnclaw plugins run ` | 运行插件（仅分析传入数据） | `vulnclaw plugins run builtin.web.headers --input headers.json` | | `vulnclaw code scan ` | 本地源码安全扫描（L1 正则 / L2 结构 / L3 LLM 可选） | `vulnclaw code scan ./src --format sarif` | --- ## 使用方式 ### 方式一：CLI / REPL（默认） ```bash vulnclaw ``` 无参数启动会进入 🦞 交互界面，用自然语言对话： ``` 🦞 vulnclaw> 对 192.168.1.100 进行渗透测试，这是我授权的靶场 [*] 进入自主渗透模式，按 Ctrl+C 可随时中断 ── Round 1 ── [+] 目标: 192.168.1.100 [+] 开放端口: 22, 80, 443, 8080 [+] Web 指纹: Apache/2.4.62 ── Round 2 ── [+] 发现 /manager/html (Tomcat Manager) [+] 命中 CVE-202X-XXXX: Apache Tomcat 认证绕过 ── Round 3 ── [+] 漏洞验证成功 🦞 192.168.1.100 | 报告> 生成渗透报告 [+] 报告已保存: ./reports/192.168.1.100_20260418.md [+] PoC 脚本已保存: ./pocs/CVE-202X-XXXX.py ``` **REPL 内置命令：** | 命令 | 说明 | |------|------| | `target ` | 设置渗透测试目标 | | `status` | 查看当前状态 | | `tools` | 列出当前可用 MCP 工具 | | `think on/off` | 切换推理过程显示 | | `mode [模式]` | 查看或切换执行审批模式（ask / auto_review / full_access） | | `persistent` | 启动持续性渗透测试 | | `clear` | 清空当前会话 | | `help` | 显示帮助信息 | | `exit` / `quit` / `q` | 退出 | **自动渗透触发：** 输入包含「渗透测试」「找 flag」「爆破」等关键词 + 目标地址时，自动进入多轮自主渗透循环。`Ctrl+C` 随时中断。 ### 方式二：TUI 工作台可选的终端图形化工作台，展示授权目标、检查模式、运行概览、安全边界，让用户先确认范围再启动任务。 ```bash vulnclaw tui vulnclaw tui --target https://target.example --mode quick --only-port 443 vulnclaw tui --dry-run --target https://target.example --mode deep --only-path /admin ``` Rust TUI 工作台支持可配置容器布局：左侧默认显示状态，右侧同时显示发现与子代理；中间显示代理输出，底部为输入框。子代理视图目前显示无数据提示。 - 拖动视图标题，可在两个侧栏之间移动，或在栏内重新排序；橙色预览框显示松开后的模块位置与大小。点击标题左侧 `v` / `>` 折叠或展开。 - 拖动容器或视图之间的分隔条调整尺寸；折叠视图需展开后再调高。拖动中按 Esc 取消。 - 滚轮滚动鼠标下方的视图内容；点击聚焦后可用方向键滚动，`Ctrl+←/→` 切换视图，`Ctrl+Y` 复制当前视图。 - 辅助侧栏清空后自动收起，中间区域填满剩余空间。拖动模块到工作区右缘可显示橙色停靠预览，松开后重新展开；主侧栏始终至少保留一个模块。 - 布局自动保存到本地 `VULNCLAW_HOME/tui/layout.json`（默认 `~/.vulnclaw/tui/layout.json`），下次启动恢复。底栏随命令面板自动增高；终端过小时提示所需尺寸，放大后恢复布局。鼠标捕获开启时，终端原生文字选择取决于终端提供的修饰键；复制单个视图可使用 `Ctrl+Y`。Windows 终端下 `Ctrl+V` / `Shift+Insert` / 鼠标右键直接读取系统剪贴板粘贴到输入框（Win32 API 直读，微秒级；该平台无 bracketed paste，不依赖终端是否合成击键）；Unix 终端粘贴走 bracketed paste。常用菜单： - **菜单 3** — 设置测试范围（主机/端口/路径/允许动作/禁止动作） - **菜单 7** — 环境诊断入口（完整详情运行 `vulnclaw doctor`） - **菜单 8** — 模型/API 配置（切换 Provider、Base URL、Model、API Key） ### 方式三：单命令模式 ```bash vulnclaw run 192.168.1.100 # 一键全流程 vulnclaw recon 192.168.1.100 # 仅信息收集 vulnclaw scan 192.168.1.100 --ports 80,443 # 漏洞扫描 vulnclaw exploit 192.168.1.100 --cve CVE-2024-1234 --cmd id # 漏洞利用 vulnclaw report session.json # 生成报告 ``` ### 方式四：持续性渗透适用于需要长时间深度渗透的场景，以**周期循环**方式运行： ``` ┌──────────────────────────────────────────────┐ │ Cycle 1 (100轮) → 自动报告 → 继续 │ │ Cycle 2 (100轮) → 自动报告 → 继续 │ │ ... │ │ 直到 Ctrl+C 或达到最大周期数（默认10） │ └──────────────────────────────────────────────┘ ``` ```bash vulnclaw persistent 192.168.1.100 # 默认 100轮/周期 × 10周期 vulnclaw persistent 192.168.1.100 -r 200 -c 5 # 200轮/周期 × 5周期 vulnclaw persistent 192.168.1.100 --no-report # 不自动生成报告 # TUI 方式 vulnclaw tui --target 192.168.1.100 --mode continuous # REPL 方式 🦞 vulnclaw> persistent 192.168.1.100 ``` **特点：** 跨周期状态保持 / 周期报告 / 灵活中断 / 增量发现 / 可配置 ### 方式五：Web UI 通过浏览器操作渗透测试全流程。 ```bash git clone https://github.com/Netw0rkNoob/VulnClaw.git cd VulnClaw pip install -e '.[web]' # 从源码检出安装 Web 依赖 # 首次使用：构建 React 前端（需要 Node.js 18+） cd frontend npm install npm run build cd .. vulnclaw web # 启动（默认 127.0.0.1:7788） vulnclaw web --port 8080 # 自定义端口 ``` PyPI wheel 不包含 React 构建产物或前端源码；完整 Web UI 需要按上面的源码方式安装。若浏览器显示 **Fallback Web Shell**（无完整扫描界面），说明缺少 `frontend/dist/index.html`。按上式构建后重启 `vulnclaw web` 并强制刷新。未构建前端时，`/api/health` 等 API 仍可用。 > ⚠️ 默认仅绑定本地回环地址。如需远程访问须显式指定 `--host 0.0.0.0 --allow-remote`。 --- ## 架构 ### 求解引擎 VulnClaw 默认使用**模型主导 solve 引擎**（旧版固定轮数引擎可通过 `vulnclaw config set session.engine rounds` 回退）。 **模型主导循环：** 框架不再把任务拆成固定“研究方向”，也不再按阶段模板主动安排目录扫描、JS 收集或 SQLi 测试。solve 只给模型提供目标、历史上下文、证据记忆和可用工具清单，由模型自己决定下一步行动。 | 原语 | 含义 | |------|------| | **模型上下文** | 目标、用户约束、近期消息、证据摘要和已执行工具调用 | | **工具清单** | `fetch` / 浏览器 / 目录枚举 / JS 收集 / 编解码 / Python / `shell_command` / `source_extract` / `runtime_diff_probe` / skill 读取等能力，仅作为可选手脚暴露给模型 | | **工具 transcript** | 工具调用后会把 assistant `tool_calls` 与 `role=tool` 观察结果追加进模型上下文；大输出使用高信号预览，避免 HTML/body/日志反复污染 active context | | **AgentState 证据** | 每个真实工具结果都会写入 `AgentState.evidence`；raw 原文完整保留并带 hash/size/证据号，模型可通过 `evidence_search` / `evidence_view` 按需回查 | | **高信号记忆** | 源码 SQL、HTML 表单/input、PHP/API 链接、JavaScript endpoint、`highlight_file` 源码、`unserialize`/魔术方法/危险 sink 会被固定为长期可见事实，避免后续探测把真实入口淹没 | | **轻量纠偏层** | 只观察工具生命周期，记录耗时、失败降级、重复调用、高信号目标事实和小步语义差异，作为提示信号注入下一轮上下文，不做阶段规划、不主动安排工具 | | **证据闸门** | `FINAL:` 结论必须引用或命中真实证据；未被工具输出支撑的 flag/结论会被拒绝并继续探索 | | **自动复盘报告** | 目标达成后自动生成 Markdown 报告，包含解题思路、关键证据、复现请求包、curl、响应片段和证据索引 | ``` MODEL DECIDES → 可选工具调用 → AgentState 记录完整 raw evidence + active context 高信号预览 + 轻量纠偏信号 │ 继续推理 / 继续调用工具 / ASK_USER / NO_PATH / FINAL │ FINAL 经过证据闸门校验 → 通过才结束，否则把拒绝原因返回模型继续做 ``` **上下文策略：** solve 默认保留正常对话历史，不主动压缩。只有模型上下文接近上限、用户执行 `/compact` 或显式启用自动压缩时才压缩。工具输出会完整写入 `AgentState.evidence`，但大输出进入 active context 时只注入 bounded high-signal preview，包含状态、响应头/请求面、表单/参数、endpoint、源码 sink/filter、flag-like token、关键行号、raw size 和 hash；完整 body/stdout/stderr 可通过 `evidence_search` 搜索或 `evidence_view` 分页回看。`fetch` / `http_probe_batch` 的 `max_body_chars`、`python_execute_max_output_chars` 和 `shell_command.max_output_chars` 只有显式设为正数时才会在工具层裁剪 raw 输出；未显式裁剪时 raw evidence 仍完整保留。相同 raw 输出再次出现时，active context 只保留 `same_as=eXXX` 引用，不重复塞正文。终端回显只是人类显示层：长工具结果默认折叠为预览，完整内容保存在 evidence。从原始输出里提取出的高信号事实会独立固定，包括表单、参数、JS endpoint、PHP/API 链接、`highlight_file` 源码、危险 sink、请求面、same-body/响应差异和本地 proof 片段。`evidence_list` / `evidence_search` / `evidence_view` 用于回看历史证据，重复查看同一 evidence 覆盖范围会被短路，连续多轮只翻证据且没有新 evidence 会触发 stall guard，要求下一步改用非 evidence 工具、`FINAL`、`ASK_USER` 或 `NO_PATH`。工具调用执行后不会再强制追加一轮 `Summarizing...` LLM 调用；正常路径采用 Chat Completions 原生工具 transcript（assistant `tool_calls` + `role=tool`），让下一次模型采样基于真实观察继续。 **证据级反幻觉闸门：** 录制所有真实工具输出作为唯一可信证据。声称的 flag/结论必须在真实输出里逐字符出现或显式引用证据编号才会被采信，杜绝凭空编造。`NO_PATH` 也受近成功闸门约束：当证据中仍有未耗尽的高信号锚点时，会先把拒绝原因反馈给模型继续验证，而不是直接停止。 **自动复盘报告：** solve 达成目标后会基于 `AgentState` 确定性生成 Markdown 复盘报告并默认打印到终端。报告不会额外请求 LLM；复现请求包、curl 和响应片段来自真实 `fetch` / `http_probe_batch` evidence。 **授权红队 Skill：** `codex-redteam-mode` 的授权红队 detail packs 已作为 skill/知识库导入，供模型按需读取；jailbreak、拒绝绕过、会话 patch 等破限内容未导入。 ### 核心模块 | 模块 | 文件 | 说明 | |------|------|------| | **CLI/TUI 入口** | `cli/main.py` + `cli/tui.py` | Typer 命令 + REPL + TUI | | **Agent 核心** | `agent/core.py` | AgentCore 协调入口 | | **求解引擎** | `agent/solver.py` + `agent/agent_state.py` | 模型主导循环 + AgentState 证据/步骤/完成闸门 | | **推理/反思** | `agent/reasoning_state.py` + `reflexion.py` | 结构化事实/约束/攻击链 + L0-L4 升级 | | **插件体系** | `plugins/` | 低耦合漏洞检测插件运行时 | | **Skill 参考索引** | `skills/loader.py` + `resolver.py` | 只解析相关参考资料，不注入强制流程 | | **MCP 编排** | `mcp/registry.py` + `lifecycle.py` + `router.py` | 服务注册 + 生命周期 + 工具路由 | | **配置管理** | `config/schema.py` + `settings.py` | Pydantic + YAML + 14 Provider 预设 | | **报告生成** | `report/generator.py` + `poc_builder.py` | Markdown 报告 + PoC 脚本 | | **安全知识库** | `kb/store.py` + `retriever.py` + `ranking.py` | JSON 存储 + 中文感知 BM25 检索 + 可选重排序 | --- ## MCP 工具链 | MCP 服务 | 工具数 | 模式 | 用途 | 状态 | |---|---|---|---|---| | fetch | 1 | 本地 (httpx) | HTTP/HTTPS 请求、GET/POST/PUT 等方法、headers/params/cookies/body/json/form、API 测试 | 开箱即用 | | memory | 2 | 本地 (JSON) | 上下文记忆、状态持久化 | 开箱即用 | | chrome-devtools | 31+ | stdio MCP | 浏览器自动化、截图、JS 执行 | 需部署 | | burp | 多个 | stdio MCP | HTTP 抓包、重放、漏洞扫描 | 需部署 | > 另有内置 Agent 工具（`http_probe_batch`、`python_execute`、`shell_command`、`source_extract`、`runtime_diff_probe`、`nmap_scan`、`crypto_decode`、`brute_force_login`、`load_skill_reference`、`evidence_list`、`evidence_search`、`evidence_view` 等），无需 MCP 即可调用。

Chrome DevTools MCP 部署

**前置条件**: Node.js LTS (v20+) + Chrome 浏览器 ```bash # Step 1: 启动 Chrome 远程调试 # Windows "C:\Program Files\Google\Chrome\Application\chrome.exe" --remote-debugging-port=9222 --user-data-dir=C:\tmp\chrome-debug # Linux/Mac google-chrome --remote-debugging-port=9222 --user-data-dir=/tmp/chrome-debug # Step 2: 启用 VulnClaw 配置 vulnclaw config set mcp.servers.chrome-devtools.enabled true ``` 如需指定 Chrome 调试地址，编辑 `~/.vulnclaw/config.yaml`： ```yaml mcp: servers: chrome-devtools: enabled: true transport: type: stdio command: npx args: ["-y", "chrome-devtools-mcp@latest", "--browser-url=http://127.0.0.1:9222"] ```

Burp Suite MCP 部署

**前置条件**: Java 11+ + Burp Suite Professional ```bash # Step 1: 克隆并构建 git clone https://github.com/PortSwigger/mcp-server.git burp-mcp cd burp-mcp ./gradlew embedProxyJar # Windows: gradlew.bat embedProxyJar # Step 2: 加载到 Burp Suite → Extensions → Add → Type: Java → 选择 burp-mcp-all.jar # Step 3: 在 Burp 的 MCP 标签页勾选 "Enabled" # Step 4: 启用 VulnClaw 配置 vulnclaw config set mcp.servers.burp.enabled true ``` 建议配置： ```yaml mcp: servers: burp: enabled: true transport: type: stdio command: java args: ["-jar", "~/.vulnclaw/tools/burp-mcp-all.jar", "--sse-url", "http://127.0.0.1:9876"] ```

> 详细部署说明参见 [docs/mcp-deployment.md](docs/mcp-deployment.md) --- ## 内置 Skill ### 核心 Skill (7) | Skill | 说明 | |-------|------| | pentest-flow | 渗透测试全流程编排 | | recon | 信息收集流程 | | vuln-discovery | 漏洞发现流程 | | exploitation | 漏洞利用流程 | | post-exploitation | 后渗透流程 | | reporting | 报告生成流程 | | waf-bypass | WAF 绕过技巧库 | ### 专项 Skill (16) | Skill | 参考文档数 | 说明 | |-------|-----------|------| | web-pentest | 3 | Web 应用渗透 | | android-pentest | 9 | 安卓应用渗透 | | client-reverse | 20 | 客户端逆向分析 | | web-security-advanced | 33 | Web 安全进阶（注入、绕过、利用链） | | ai-mcp-security | 7 | AI/MCP 安全测试 | | intranet-pentest-advanced | 15 | 内网渗透进阶 | | pentest-tools | 16 | 渗透工具速查 | | rapid-checklist | 2 | 快速检查清单 | | crypto-toolkit | 3 | 编解码/加解密（29 种操作） | | **ctf-web** | 8 | CTF Web 攻击知识库 | | **ctf-crypto** | 6 | CTF 密码学攻击知识库 | | **ctf-misc** | 6 | CTF 杂项知识库 | | **osint-recon** | 7 | OSINT 开源情报收集 | | **cve-triage** | 1 | CVE 查询与三级评估 | | **hackerone** | 1 | HackerOne 赏金 scope-guard | | **secknowledge-skill** | 40 | Web+AI 安全测试知识库 | Skill 会根据用户输入解析为“可选参考资料索引”，不会把 Skill 正文、阶段流程或方法论剧本自动塞进系统提示。专项 Skill 含 `references/` 目录下的详细方法论文档，LLM 只有在自己判断有价值时才通过 `load_skill_reference` 按需加载。 ### 内置编解码/加解密工具 (crypto_decode) | 类别 | 操作 | |------|------| | 编解码 | base64, base32, base58, hex, url, html, unicode, rot13, caesar, morse（各有 encode/decode） | | 哈希 | md5, sha1, sha256, sha512 | | 加解密 | aes_encrypt, aes_decrypt（CBC 模式，PKCS7 填充） | | JWT | jwt_decode, jwt_encode | | 自动识别 | auto_decode — 尝试所有常见编码，返回匹配结果 | --- ## 配置管理 ### LLM 提供商 ```bash vulnclaw config provider --list # 查看所有提供商 vulnclaw config provider minimax # 一键切换 ``` | 提供商 | 命令 | 默认模型 | |--------|------|----------| | OpenAI | `provider openai` | gpt-5.6-sol | | Anthropic Claude | `provider anthropic` | claude-opus-5 | | MiniMax | `provider minimax` | MiniMax-M3 | | DeepSeek | `provider deepseek` | deepseek-v4-pro | | 智谱 GLM | `provider zhipu` | glm-5.3 | | Kimi | `provider moonshot` | kimi-k3 | | 通义千问 | `provider qwen` | qwen3.8-max | | SiliconFlow | `provider siliconflow` | deepseek-ai/DeepSeek-V4-Flash | | 豆包 | `provider doubao` | doubao-seed-evolving | | 阶跃星辰 | `provider stepfun` | step-3.7-flash | | 商汤 | `provider sensetime` | SenseNova-V6.5-Pro | | OpenRouter | `provider openrouter` | anthropic/claude-opus-5 | | Ollama (本地) | `provider ollama` | qwen3.5:9b | | 自定义 | `provider custom` | 手动填写 | ### 命令行配置 ```bash vulnclaw config list # 查看所有配置 vulnclaw config get llm.model # 查看单项 vulnclaw config set llm.api_key sk-xx # 设置 API Key vulnclaw config set session.max_rounds 30 # 设置最大轮数（默认 15） vulnclaw config set session.show_thinking false # 隐藏推理过程 ``` ### 执行审批（免确认执行）危险工具（shell / python / PoC）每次执行前默认会弹出 `Approve this execution? [y/N]` 确认。三种调整方式： ```bash # ① 永久写入配置（推荐） vulnclaw config set safety.permission_mode full_access # ② 仅当前 REPL 会话生效（重启后回到配置文件的模式） mode full_access # 切换；不带参数则查看当前模式 # ③ 单次运行生效 VULNCLAW_SAFETY_PERMISSION_MODE=full_access vulnclaw solve ``` | 模式 | 行为 | |------|------| | `ask`（默认） | 每次执行都询问 y/N，未响应 300 秒（`safety.approval_timeout_seconds`）自动拒绝 | | `auto_review` | 只读命令白名单（ls / cat / nmap 扫描类等）直接执行，其余仍询问；可用 `safety.trusted_commands` 扩充前缀 | | `full_access` | 全部直接执行，不再询问 | > ⚠️ `full_access` 下，渗透目标返回的页面、响应体、报告内容都属于不可信输入，提示注入可能驱动无确认的任意命令执行。仅建议在隔离靶场、CTF 或一次性虚拟机中使用；真实环境推荐 `auto_review` + 自定义信任前缀。 ### 可配置项 | 配置项 | 默认值 | 说明 | |--------|--------|------| | `llm.provider` | openai | LLM 提供商 | | `llm.api_key` | 空 | API Key | | `llm.auth_mode` | static | `static` 或 `oauth` | | `llm.chatgpt_auto_proxy` | false | 自动启动内置 ChatGPT 后端桥接代理 | | `llm.base_url` | 按 provider | API 基础 URL | | `llm.model` | 按 provider | 模型名称 | | `llm.temperature` | 0.1 | 采样温度 | | `llm.max_tokens` | 4096 | 单次最大输出 token | | `session.engine` | solve | `solve`（模型主导）/ `team`（角色团队）/ `rounds`（旧固定轮数） | | `session.solve_max_steps` | 240 | solve 防失控安全预算；不是计划轮数，正常由模型自主完成/询问/判定无路 | | `session.solve_max_directions` | 3 | 兼容旧配置；默认模型主导 solve 不再使用研究方向数量 | | `session.solve_max_tool_rounds` | 6 | 兼容旧配置；单个模型 turn 内连续工具 follow-up 的 runaway 安全上限，不是计划式工作流轮数 | | `session.context_auto_compact` | true | 是否允许所有 LLM 调用路径自动压缩上下文 | | `session.context_compact_trigger_ratio` | 0.70 | 自动压缩的上下文触发比例 | | `session.context_compact_target_ratio` | 0.55 | 压缩完成后的目标上下文占用比例 | | `session.context_recent_message_groups` | 12 | 每次压缩保留的最近完整消息组数量 | | `session.context_summary_max_tokens` | 3500 | 长期结构化上下文摘要的最大 token 预算 | | `session.context_output_reserve_tokens` | 0 | 为模型输出预留的 token；0 时取 `min(llm.max_tokens, 8192)` | | `session.context_compaction_audit_enabled` | true | 是否在持久化 AgentState 中记录压缩审计事件 | | `session.solve_auto_report` | true | solve 目标达成后自动生成 Markdown 复盘报告 | | `session.solve_report_show` | true | 自动报告生成后在终端直接打印报告正文 | | `session.max_rounds` | 15 | 最大轮数 | | `session.output_dir` | ./vulnclaw-output | 报告输出目录 | | `session.report_format` | markdown | 报告格式（markdown / html） | | `session.poc_language` | python | PoC 生成语言（python / bash） | | `session.language` | auto | 界面语言（auto / zh / en），默认英文 | | `session.show_thinking` | false | 显示 LLM 推理过程 | | `session.persistent_rounds_per_cycle` | 100 | 持续性渗透每周期轮数 | | `session.persistent_max_cycles` | 10 | 持续性渗透最大周期数（0=无限） | | `session.persistent_auto_report` | true | 持续性渗透每周期自动生成报告 | | `session.stale_rounds_threshold` | 5 | 死循环检测阈值 | | `safety.permission_mode` | ask | 危险工具执行审批策略：`ask`（默认，每次执行需 y/N 确认）/ `auto_review`（只读命令白名单免确认，其余仍询问）/ `full_access`（全部直接执行，无确认） | | `safety.approval_timeout_seconds` | 300 | 未响应的执行审批等待多少秒后自动拒绝 | | `safety.trusted_commands` | 空 | `auto_review` 模式下的免审批命令前缀（如 `nmap`、`git diff`）；以禁用名开头的条目会被拒绝 | | `safety.enable_python_execute` | true | 启用 python_execute 内置工具（关闭更安全） | | `safety.python_execute_max_lines` | 50 | 单次 python_execute 允许的最大代码行数 | | `safety.python_execute_show_warning` | true | 每次 python_execute 前显示安全警告 | | `safety.python_execute_audit_enabled` | true | 将 python_execute 审计记录写入本地配置目录 | ### 环境变量 | 变量 | 说明 | |------|------| | `VULNCLAW_LLM_PROVIDER` | LLM 提供商名称 | | `VULNCLAW_LLM_API_KEY` | API Key | | `VULNCLAW_LLM_AUTH_MODE` | static / oauth | | `VULNCLAW_LLM_CHATGPT_AUTO_PROXY` | 内置 ChatGPT 代理 | | `VULNCLAW_LLM_BASE_URL` | API 基础 URL | | `VULNCLAW_LLM_MODEL` | 模型名称 | | `VULNCLAW_SESSION_MAX_ROUNDS` | 最大轮数 | | `VULNCLAW_SESSION_STALE_ROUNDS_THRESHOLD` | 死循环检测阈值 | | `VULNCLAW_SESSION_REASONING_STATE_ENABLED` | 结构化推理状态开关 | | `VULNCLAW_SESSION_REFLEXION_ENABLED` | 自适应反思引擎开关 | | `VULNCLAW_SESSION_REFLEXION_MAX_SAME_VULN_FAILS` | 同类漏洞连败触发反思阈值 | | `VULNCLAW_SESSION_ESCALATION_MAX_LEVEL` | Payload 升级上限（0-4） | | `VULNCLAW_SESSION_PLUGIN_RUNTIME_ENABLED` | 插件运行时开关 | | `VULNCLAW_SESSION_PLUGIN_MAX_REQUESTS_PER_TARGET` | 单目标插件请求预算 | | `VULNCLAW_SAFETY_PERMISSION_MODE` | 执行审批模式（ask / auto_review / full_access） | | `VULNCLAW_SAFETY_APPROVAL_TIMEOUT_SECONDS` | 执行审批等待秒数 | | `VULNCLAW_SAFETY_TRUSTED_COMMANDS` | auto_review 免审批命令前缀（逗号分隔） | 优先级：**环境变量 > 配置文件 > 内置默认值** 配置文件位于 `~/.vulnclaw/config.yaml`。 --- ## 更新日志完整更新日志见 [CHANGELOG.md](CHANGELOG.md)。 --- ## 贡献指南欢迎参与开源贡献！提交 PR 前请阅读 [CONTRIBUTING.md](CONTRIBUTING.md)（中文）或 [CONTRIBUTING_EN.md](CONTRIBUTING_EN.md)（英文）。项目使用 `dev` 分支进行集成测试，所有 PR 请提交到 `dev` 分支。 --- ## 安全声明 **公开 Alpha 阶段**：VulnClaw 是面向已授权安全测试、CTF、实验环境与可控研究场景的公开 Alpha 软件，不应作为生产环境的安全控制手段或授权机制。使用前请阅读 [SECURITY.md](SECURITY.md)。 VulnClaw 仅用于**已授权的安全测试**。使用本工具前，请确保： 1. 你已获得目标系统的**明确授权** 2. 测试范围已与目标所有者**书面确认** 3. 你遵守当地**法律法规** 未经授权对系统进行渗透测试是违法行为。本工具作者不对滥用行为承担责任。 --- ## 许可证 [MIT License](LICENSE) --- ## 加入社区与更多安全爱好者一起交流、分享与成长 | 社区交流群 | 开发者群聊 | |:--:|:--:| | 欢迎加入讨论分享，获取最新产品动态与使用技巧 | 加入我们，参与开源贡献与技术深度探讨 | | ![VulnClaw 社区交流群](assets/社区交流群.jpg) | ![VulnClaw 开发者群聊](assets/VulnClaw开发者群聊.png) | | **QQ 群号：954402631** | **QQ 群号：1065858551** | ---

> 🦞 **VulnClaw** — 让每一次渗透都有章可循。