Steven Gonsalvez

Software Engineer

Unclecheng-li/VulnClaw: 基于 AI Agent + MCP 工具链 + 渗透 Skill 编排, 配合大语言模型, 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。

Why CEREBRO kept it

AI Agent security automation with MCP tool-chaining on-topic

The text below is an automated extraction of the article at https://github.com/Unclecheng-li/VulnClaw, stored verbatim in the public cerebro-vault repository. Copyright remains with the original publisher (github.com).

AI 驱动的渗透测试 CLI 工具 — 说人话,打漏洞。 🌐 English version: README_EN.md 本项目是可独立运行的 AI 渗透测试 Agent。 基于 LLM Agent + MCP 工具链 + 渗透 Skill 编排, 配合 OpenAI / 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。 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。 - 目标驱动求解引擎(默认) — 抛弃固定轮数工作流,以「目标达成 / 探索前沿耗尽 / 安全预算」为终止条件,自动收敛 - 黑板图状态空间搜索 — 把渗透建模为从 origin 向 goal 的搜索:Fact(已确认事实)+ Intent(探索方向),结构上杜绝"原地打

Backlinks

Appeared in 1 briefing

Related

Shares tags: ai/agents · vibe-coding

Also from github.com