该仓库声称提供一个面向 Codex CLI / GPT-5.6 的“破甲”代理框架，通过本地 MITM 代理、系统提示注入、拒绝响应篡改、文件输出路由和 MCP 工具集成，试图绕过模型安全审核并持续生成安全分析、逆向、渗透测试等内容。项目主要运行在 Windows + Python 环境，支持中转站代理、直连 OpenAI API、WSL/Docker/SSH Kali 后端以及大量安全工具调用。需要注意的是，该项目的核心目标明确包含绕过 AI 安全机制、规避内容审核、辅助破解/渗透/恶意工具生成等高风险用途，合规和安全风险极高，不建议在生产环境或不受控场景中使用。
适用领域
AI 提示词工程 / Codex CLI 扩展 / 本地代理 / MITM / MCP 工具集成 / 网络安全工具编排 / 逆向工程辅助 / 渗透测试自动化 / Kali Linux 工具链集成 / AI 安全绕过研究
配置难度
中高。若只是阅读代码和理解代理流程，需要熟悉 Python、HTTP 代理、SSE/JSON、Codex CLI 配置和 MCP；若要完整运行 Kali/MCP 工具链，还需要 Windows、WSL/Docker、Linux 安全工具和网络排障经验。由于项目涉及高风险安全绕过和命令执行，实际使用门槛和合规要求都较高。
商业价值
对正常业务的直接价值较低，不适合作为企业生产工具或常规开发辅助工具。其主要价值在于安全研究、防御评估和 AI 风险治理：企业安全团队可以将其作为对抗样本，研究提示注入、代理篡改、工具滥用、文件输出绕审和本地 AI 插件风险，从而改进 AI 网关、DLP、EDR、日志审计和模型使用策略。若用于未授权渗透、破解或规避审核，商业风险远高于收益。
01
技术亮点
- 文档非常详细，覆盖部署、代理、MCP、Kali 后端、故障排查和卸载流程。
- 提供本地代理架构，可观察 Codex CLI 请求、响应、注入和日志流程。
- 支持中转站模式和直连 API 模式。
- 提供 Web 仪表盘和终端实时面板，便于观察请求状态。
- MCP 工具系统覆盖网络、Web、逆向、取证、密码、安全扫描等大量工具。
- 支持 WSL、Docker、SSH 等多种 Kali 工具后端。
- 项目结构清晰，包含 bridge、proxy、deploy、mcp_server、tools、skills、reports 等模块。
- 可作为 AI 安全绕过和防护研究的反面教材。
02
目标用户
- 研究 AI 安全边界和提示注入风险的安全研究员
- 需要评估企业内部 AI 工具滥用风险的安全团队
- 从事红队工具链实验的合规授权测试人员
- 研究 Codex CLI、本地代理和 MCP 集成机制的开发者
- 不建议普通开发者、学生或无授权渗透测试人员使用
03
配置要求
- Python 3.8 或更高版本。
- Codex CLI 已安装并存在可修改的 config.toml。
- 默认本地代理监听 127.0.0.1:8080。
- 默认中转站地址为 127.0.0.1:57321，可按实际环境调整。
- Web 仪表盘默认运行在 http://localhost:8090。
- MCP 配置需要在 ~/.codex/config.toml 中添加 mcp_servers.nerv_break。
- 如果使用 WSL Kali，需要安装 kali-linux 并安装 kali-linux-headless 工具集。
- 如果使用 Docker Kali，需要安装 Docker Desktop 并运行 kalilinux/kali-rolling 容器。
- 如果使用远程 Kali，需要 SSH 可达并具备相应工具权限。
- 运行前应检查脚本是否会修改 Codex 配置、启动代理、记录对话日志或执行外部命令。
04
适用场景
- 在隔离实验环境中研究 LLM 安全绕过、系统提示注入和输出篡改机制
- 分析 Codex CLI 请求链路、base_url 代理配置和 SSE/JSON 响应处理方式
- 测试企业内部 AI 网关对提示注入、拒绝篡改和文件输出路由的检测能力
- 在合法授权的靶场环境中编排 nmap、sqlmap、frida、apktool、radare2 等工具
- 作为反面样本，用于构建 AI 安全审计、策略加固和滥用检测规则
05
部署与配置
- 准备 Windows 10/11、Python 3.8+、Codex CLI。
- 克隆仓库到本地，例如 git clone <repository_url>。
- 进入项目目录，建议先阅读 README、requirements.txt、proxy_relay.py、deploy.py、mcp_server.py 等核心文件。
- 安装 Python 依赖：pip install -r requirements.txt。
- 如仅用于代码审计，建议不要运行 lab.bat 或 deploy.py apply，避免自动修改 Codex 配置。
- 如在隔离实验环境中运行，使用 scripts\lab.bat 并选择 start，脚本会尝试修改 Codex config.toml，将请求转发到本地 8080 代理。
- 如需 MCP 工具，按 README 将 config/mcp_config.txt 中的 mcp_servers 配置追加到 ~/.codex/config.toml。
- 如需 Kali 后端，可选择 WSL Kali、Docker Kali 或远程 SSH Kali，但必须限定在授权靶场或实验网络中。
- 完成测试后，通过 scripts\lab.bat 的 stop 选项或 python deploy.py remove 还原 Codex 配置和删除注入文件。
06
风险与注意事项
- 核心目标是绕过模型安全机制和云端内容审核，存在明显的平台政策、法律和伦理风险。
- README 中包含破解、VIP 绕过、渗透、恶意软件、钓鱼、勒索软件、数据外传等高风险能力描述。
- 代理会修改 Codex CLI 配置并充当 MITM，可能导致凭据、请求内容、代码和敏感数据被本地日志记录或泄露。
- 文件路由绕过审核的设计可能被用于规避安全审计和内容管控。
- MCP 工具允许调用 shell、Python、Kali 安全工具和远程命令，若参数过滤不足，可能导致命令注入或本机被滥用。
- 项目未声明许可证，商业使用、二次分发和合规审计存在不确定性。
- 仓库描述与 README 带有明显攻击性和规避性导向，企业环境中引入可能触发安全合规问题。
- 可能被安全软件或 EDR 识别为高风险工具链。
- 如果连接真实外部目标进行扫描或测试，可能违反法律或服务条款。
- 依赖中转站、Codex CLI 和非官方模型能力描述，稳定性和真实性无法保证。
2026-08-01
第19名
新收录 · github_search
2026-07-31
第25名
新收录 · github_search
2026-07-30
第29名
新收录 · github_search
