T3MP3ST 是一个 TypeScript 编写的自托管多智能体进攻安全/红队平台，定位为把本地已有的 AI 编程代理（如 Claude Code、Codex、Hermes）包装成“侦察 → 利用 → 报告”的安全测试工作流。它提供 Web War Room、CLI、HTTP API、MCP Server、内置安全工具集与可复现基准验证。项目强调无新增 API Key、无云依赖、可通过 npm 快速启动，并且对当前能力边界较透明：Recon/侦察、任务引擎、War Room、MCP、基准验证相对稳定；完整 8-operator swarm、横向移动、提权、云、移动、AD、二进制等仍处于实验或规划阶段。
适用领域
网络安全 / 红队演练 / 授权渗透测试 / AI Agent 安全自动化 / Web 应用安全 / CTF / 靶场训练 / 源代码安全审计 / 供应链安全 / IoT / OT / 嵌入式安全 / 智能合约安全 / MCP / AI 工具编排
配置难度
中高。对于熟悉 Node.js、AI Agent、本地开发环境和渗透测试基础的开发者，启动 War Room 较简单；但要安全、合规、有效地使用它，需要理解授权范围、红队流程、工具链依赖、MCP/API 集成、模型能力边界以及误报复核。企业落地需要额外做隔离环境、审计日志、审批流、目标范围策略和许可证合规评估。
商业价值
对安全团队的价值在于把 AI Agent 与传统安全工具编排起来，提升授权侦察、靶场训练、初步漏洞验证和报告生成效率；对安全研究者，可作为多智能体红队实验平台和基准复现实验环境；对企业 DevSecOps，可探索将 MCP/HTTP API 接入内部安全流水线。但它不应被视为成熟商业级自动化渗透测试平台的直接替代品，更适合作为研究、内部 PoC、靶场、授权测试和辅助分析工具。若企业采用，需要重点评估 AGPL 合规、误用管控、审计能力和实验模块成熟度。
01
技术亮点
- 自托管、keyless 设计，可复用本机已有 AI 编程代理，降低额外 API 费用和密钥管理成本。
- 提供 Web War Room、CLI、HTTP API、MCP Server，适合集成到开发者和安全团队工具链。
- 强调可复现性：npm run verify-claims 可重新计算 README 中的主要基准声明。
- Recon 引擎相对成熟，支持 nmap、DNS、HTTP、指纹识别等真实工具输出追踪。
- 内置范围控制机制，任务设定后默认阻止访问范围外公网目标，有助于降低误用风险。
- 项目透明标注稳定、实验和规划模块，避免把未成熟 swarm 能力包装成已验证能力。
- 对 Web、CTF、源代码漏洞定位、CVE pipeline 等方向给出基准或验证说明。
- MCP 支持使其容易被其他 AI IDE、Agent 框架或自动化系统调用。
- 社区关注度较高，已有 1274 stars 和 333 forks。
02
目标用户
- 有授权测试需求的渗透测试工程师
- 红队/蓝队/紫队安全团队
- 安全研究员
- CTF 玩家和安全训练平台使用者
- 希望用 AI Agent 自动化安全测试流程的开发者
- 需要自托管红队工具链的企业安全团队
- 研究多智能体安全工作流的 AI 工程师
- 进行开源项目漏洞挖掘和协调披露的研究人员
03
配置要求
- 必须仅用于自有系统、授权靶场或有明确书面许可的目标。
- 需要 Node.js/npm 运行环境。
- 默认设计为 keyless：需要本地已登录或可连接的 AI 编程代理，如 Claude Code、Codex、Hermes。
- 可选配置 OPENROUTER_API_KEY、VENICE_API_KEY 或 ANTHROPIC_API_KEY 以使用 API Key 模式。
- War Room 默认运行在 127.0.0.1:3333/ui/。
- 内置网络工具受 egress-scope containment 限制：设定任务目标后，工具会拒绝访问范围外的公网主机。
- 如启用完整工具集，可通过 T3MP3ST_FULL_ARSENAL 打开更多适配器；危险后渗透工具如 metasploit、hydra 需要人工审批门控。
- 部分能力依赖本机外部安全工具，例如 nmap、DNS/HTTP 工具或其他渗透测试工具链，具体以 docs/ 和代码配置为准。
- 源代码分析目前 README 标注为 Python-only regex ingest，非通用多语言成熟 SAST。
- AGPL-3.0 许可证要求注意网络服务分发和源码开放义务。
04
适用场景
- 对自有或明确授权的 Web 应用执行侦察、指纹识别、漏洞假设和报告生成
- 在 CTF、XBEN、Cybench 等靶场环境中进行自动化解题和能力评估
- 通过 War Room 使用自然语言描述目标并启动任务
- 将本地 AI 编程代理接入安全工具链，减少单独申请 LLM API Key 的成本
- 使用 nmap、DNS、HTTP fingerprinting 等工具进行受控范围内的安全侦察
- 对 Python 代码库或实验性源代码目标进行白盒漏洞分析
- 对 OSS、IoT、机器人、嵌入式项目建立漏洞发现、PoC、反驳验证和协调披露流程
- 通过 MCP Server 或 HTTP API 将安全侦察能力接入其他开发者工具
- 复现实验基准结果并验证 README 中的性能声明
05
部署与配置
- 确认本机已安装 Node.js 与 npm。项目 README 未给出具体版本要求，建议使用当前 LTS 版本。
- 克隆仓库：git clone https://github.com/elder-plinius/T3MP3ST.git
- 进入目录：cd T3MP3ST
- 安装依赖：npm install
- 启动 War Room 服务：npm run server
- 浏览器访问：http://127.0.0.1:3333/ui/
- 在 War Room 的 Settings 中连接本地 AI Agent，例如 Claude Code、Codex 或 Hermes。
- 如希望使用 API Key 模式，可设置 OPENROUTER_API_KEY、VENICE_API_KEY 或 ANTHROPIC_API_KEY 环境变量。
- 可选：运行 npm run verify-claims 复核项目声明的基准指标与工具数量。
- 如需 SDK、HTTP API 或 MCP 接入，查看仓库 docs/ 目录。
06
风险与注意事项
- 这是进攻安全工具，若用于未授权目标会带来严重法律、合规和伦理风险。
- README 中部分能力仍是实验性或路线图，例如完整多智能体 swarm、横向移动、提权、云、移动、AD、二进制逆向等，不宜按生产成熟能力采购或依赖。
- 基准成绩依赖强模型和特定 harness，不能直接等同于在真实企业环境中的稳定漏洞发现率。
- AGPL-3.0 对企业闭源集成、SaaS 化使用和二次开发有较强开源合规要求。
- 自动化攻击链可能造成误报、漏报、服务扰动或越权访问，需要严格范围控制和人工复核。
- 危险工具适配器如 metasploit、hydra 即便有人工审批，也需要完善审计、隔离和变更流程。
- 源代码分析目前对 Python 支持更明确，其他语言的自动化白盒能力可能不足。
- README 中提到部分原始 transcripts 因隐私被剥离，只能复核 graded verdict，无法完全重放每一步操作细节。
- 项目宣称面向 2026 CVE held-out set，但当前真实可验证性仍需开发者自行审查 bench 数据、代码实现和复现实验。
2026-07-09
第1名
新收录 · github_search
2026-07-08
第1名
新收录 · github_search
2026-07-07
第1名
新收录 · github_search
2026-07-06
第2名
新收录 · github_search
