FishCodeTech/muteki

Project Muteki – 多代理安全自动化框架

它是什么

• 一个开源、以 Python 为核心的框架，让你可以运行一个由大型语言模型（LLM）代理组成的蜂群，以自动解决渗透测试与 CTF 挑战。
• 一个 Coordinator（“Planner”）会调度一组 Worker engines – Claude、Codex、Cursor、Pi、OMP、Kimi、Grok 和 OpenCode – 每一个都会与特定厂商的 CLI 通信、运行命令并返回证据。
• UI 是一个 Web 应用（后端在端口 8000，前端在 3001），你可以在其中配置代理、上传挑战，并观察蜂群的进度。

关键能力

• 全自动 CTF 解题 – 作者报告在 NYU CTF Bench 上达到 200/200、在 RIFFHACK 2026 进入前 10 名，并在 Yunjing blackmaze 靶场取得 first‑blood。
• 混合运行时 – Worker 可以在主机本地运行，也可以在 Docker 容器内运行；后者附带一个预构建镜像，内含完整的 CTF 工具链。
• Planner 与 Titler 模型 – 一个独立的 LLM 端点决定要采取哪些步骤，并可为每个步骤生成标题。
• 证据跟踪 – 每个命令、工具调用和候选 flag 都存储在每次运行的工作区中，并可在运行后生成 markdown write‑up。
• 多个工作区 – 除了默认的单任务模式外，还有实验性的 Conversation 与 Competition 工作区，用于多轮对话和远程 CTF 平台集成。

如何开始

1. 安装前置条件 – Python ≥ 3.13、uv、Node.js/npm，以及至少一个受支持的 Agent CLI（例如 Claude、Codex 等）。
2. 克隆 repo 并运行 init.sh 脚本来安装 Python 依赖。
3. 使用 ./run.sh web 启动 Web UI，并打开 http://127.0.0.1:3001。
4. 在 UI 中，添加 Agent 凭据（API 密钥或 CLI 登录），启用一个或多个 Worker，选择 Local 或 Container 运行时，并配置一个 Planner 端点。
5. 输入挑战描述、目标 URL、flag 格式及任何文件来创建单任务，然后单击 Dispatch swarm。
6. 实时查看 Coordinator 的消息、Worker 的工具调用以及候选 flag 的出现。你可以随时暂停、冻结或停止蜂群。

典型工作流

阶段	操作
设置	安装操作系统特定的脚本（macOS 上使用 ./ctf-tools/setup.sh，Linux 上使用 setup-ubuntu.sh）以获取常见渗透测试工具（nmap、gobuster 等）。
配置	为所选的 LLM 引擎添加 API 密钥/令牌，启用 Worker，选择 Planner 模型。
运行	提交挑战；Planner 会创建 Steps，Worker 会执行命令，并自动收集证据。
审查	检查生成的证据、复制任何候选 flag、标记误报，或让系统生成 write‑up。
迭代	使用现有工作区重新启动蜂群，以继续寻找更多 flag。

安全与法律声明

• Muteki 可以在目标服务上执行任意命令，因此作者强调仅在你拥有或已获得明确测试许可的系统上运行它。
• 该 repository 包含一则免责声明，指出作者不对使用此工具进行的任何未经授权的攻击负责。

发布状态

• 最新稳定版本 0.4.5（2026 年 5 月）。包含 macOS 桌面应用（Apple Silicon 与 Intel），并支持远程 Muteki 服务。Windows/Linux 桌面包尚未随附。
• 八个活跃的 CLI engines；DeepSeek Harness 已列出但目前不可用。
• 该项目正在积极维护中（star‑history 图表、issue tracker、讨论 QR code）。

谁可能会使用它

• 希望自动化重复性利用步骤的安全研究人员与 CTF 团队。
• 有兴趣为安全导向任务构建多 LLM 代理蜂群的开发者。
• 任何想尝试“AI 驱动渗透测试”并希望有现成编排层的人。

---

以上所有信息均直接取自该 repository 的 README；未推断任何额外功能。