FishCodeTech/muteki

解決的問題

Project Muteki 設計用於防止 AI 代理陷入「死循環」——即單一代理卡在特定問題上，無法朝目標前進。它透過協調多種 AI 模型組成的代理群，而非依賴單一 LLM，來自動化執行攻防安全任務，例如 CTF 比賽、滲透測試與程式碼審查。

工作原理

Muteki 採用異質多模型架構，不同編碼代理（如 Claude、Codex、Cursor 和 DeepSeek）透過 共享黑板 協作。此黑板作為發現事實與證據的中央儲存庫；當一個代理發現線索時，其他代理可加以利用；當一個代理陷入死胡同時，其他代理則避免重複同樣的錯誤。

該流程遵循特定循環：

1. 協調器／推理規劃器：讀取黑板並規劃下一步。
2. 意圖：將意圖發布至黑板。
3. 工作者：多個代理認領意圖並執行實際的 CLI 命令與安全工具。
4. 驗證：結果寫回黑板，僅當旗幟在實際執行輸出中完全一致時才被接受。
5. 審查：系統定期審查記錄的事實，以修正方向並避免循環。

適用對象

希望使用多代理 AI 群體自動化漏洞發現與利用的資安研究人員、滲透測試人員與 CTF 玩家。

主要亮點

• 多模型群集：整合多種引擎 CLI，包括 Claude、Codex、Cursor、Pi、OMP、Kimi、Grok 和 DeepSeek。
• 經驗證的效能：在 NYU CTF 和 HackTheBox Insane/Hard 類別等多項基準與比賽中成功「AK」（全部解決）挑戰。
• 自主工具化：代理可在執行過程中自行撰寫並安裝依賴項與腳本，實現即興應對。
• 彈性部署：支援本地執行與透過 Docker Compose 的容器化部署，並提供專用的 Kali Linux 基礎工作節點映像。