1、PentAGI介绍
PentAGI 是一款由vxcontrol团队开发的创新自动化黄金城官网测试工具，具备自动化和智能化的特点。PentAGI具备黄金城官网隔离、全自主性、集成多种黄金城官网工具、智能记忆、实时情报收集、团队协作和详细报告生成等。且部署过程简单，适合黄金城官网专业人士和研究者，能够在多种场景中高效应用，如企业黄金城官网评估、黄金城官网研究、教育培训和开发集成。PentAGI 提供灵活的配置和强大的功能，极大地提升了渗透测试的效率和黄金城官网性。PentAGI的核心能力如下图所示：
2、PentAGI本地搭建
PentAGI的官网地址为
https://pentagi.com/
其github代码仓库地址为
https://github.com/vxcontrol/pentagi
可以从上述途径中获取PentAGI的官方问题以及最新资讯
PentAGI的安装比较简单，可以使用docker方便的进行拉取部署，其安装部署的软硬件环境要求如下：
1、Docker 和 Docker Compose
2、最低 4GB RAM
3、10GB可用磁盘空间
4、可以访问互联网以下载镜像和更新
首先创建一个工作目录
mkdir pentagi && cd pentagi
下载并重命名配置文件
curl -o .envhttps://raw.githubusercontent.com/vxcontrol/pentagi/ｍａｓｔｅｒ/.env.example
编辑.env文件，填入自己的大模型apikey，这里使用的是deepseek大模型
vim .env
主要是对Custom LLM provider配置项进行修改
LLM_SERVER_URL=https://api.deepseek.com/v1
LLM_SERVER_KEY=sk-xxxxxx
LLM_SERVER_MODEL=deepseek-reasoner
LLM_SERVER_CONFIG_PATH=
LLM_SERVER_LEGACY_REASONING=
下载docker-compose.yml文件，拉取并启动docker镜像
curl -Ohttps://raw.githubusercontent.com/vxcontrol/pentagi/ｍａｓｔｅｒ/docker-compose.yml
docker-compose up -d
最后访问https://ip:8443/，然后使用初始账号密码admin@pentagi.com/admin登录即可。
3、PentAGI自动化渗透测试
首先部署一个Pikachu靶场系统，尝试使用PentAGI对Pikachu靶场进行自动化渗透测试并输出报告。
提示词为
“帮我对http://xx.xx.xx.xx:8765/这个系统进行渗透测试，找出尽可能多的可利用漏洞，并输出详细的渗透测试报告”。
可以看到PentAGI会把任务分割为一个个子任务，然后针对每个子任务自动下载相应的黄金城官网工具进行测试。如nmap、sqlmap等。
当前阶段的子任务完成后会输出当前子任务的成果信息，并开启下一阶段的子任务。同时会根据该阶段的成果对后续的子任务进行自动化持续优化。
比如在SQL注入测试子任务中，PentAGI可以正确的根据上一阶段目录扫描以及在线知识库搜索的结果，识别出潜在的sql注入URL和参数，并调用sqlmap命令进行测试。
在Terminal
从上述过程来看PentAGI似乎是一个比较“可用”的AI自动化渗透测试平台，但是在继续等待测试的过程中，PentAGI的一些缺点也暴露了出来，一个是测试的过程非常漫长，因为PentAGI是使用配置大模型API key的方式全自动运行，支持openai、deepseek等主流LLM大模型，过程中不需要人工介入，会不断自动调整，所以比较依赖于大模型本身的响应速度。
如下图可以看到，前5个子任务从下午16时35分一直执行到了晚上的22时26分，耗时将近6个小时。
另一个缺点就是如上图所示，发现在运行到第6个子任务时就终止了，这其实是因为测试使用的deepseek api额度耗尽了。所以PentAGI的另一个缺陷就是非�：膖okens，本次测试前在deepseek账户中充值了15元，发现在执行完5个子任务后，api额度已经用尽。
总结
通过上述的使用过程发现，PentAGI的自动化程度比此前测试的HexStrike-AI要高很多，部署搭建过程也非常便捷，从阶段任务测试结果看来也比HexStrike-AI要好不少。PentAGI不同于HexStrike-AI的服务端客户端分开的模式，而是统一集成在一个Web平台中，使用过程简单，结果展示直观，是一个比较“可用”的AI自动化渗透测试平台，具备一定的商业化前景。但是PentAGI的缺陷也比较明显，一个是自动化程度高带来过程的介入困难，整个渗透的过程都交给AI自动决策，无法进行人工调整，耗时较长；另一个是成本较高，比较适合在拥有本地自建大模型的前提下进行使用。
浙公网安备 33010502006954号
浙ICP备12021012号-1
