Проекты и продукты/Разбор по первоисточнику

PentAGI: управляемые агентные проверки безопасности с памятью и отчётом

PentAGI — открытая self-hosted система специализированных AI-агентов для разрешённого тестирования безопасности: получает цель, планирует действия, использует инструменты и формирует отчёт.

15.10.2026·Источников: 26·Обзор редакции

Концептуальная иллюстрация: связанные агенты, память и отчёт проверки безопасности — Иллюстрация NeoBridge Insight · создана с помощью ИИ

МЕХАНИЗМ

Как это работает

Что поступает на вход

Целевой объект и задача на обычном языке с явно заданными разрешёнными границами; выбранный LLM-провайдер и его конфигурация. Пакет также описывает загрузку материалов и reusable resources в отдельный flow.

Что происходит внутри

Разбивает задачу на последовательные subtasks, делегирует работу специалистам, пересматривает план после результатов, сохраняет память и предоставляет автономный либо интерактивный Assistant-режим.

Что получается

Отчёт в web view, буфере обмена, Markdown или PDF, результаты инструментов и состояние flow/tasks. JSON-экспорт flow report не заявлен как поддержанный.

ПОДРОБНЕЕ

Что важно понять

Техническое устройство

Go-контроллеры ведут Flow → Task → последовательные Subtask; Generator создаёт до 15 шагов, Refiner меняет оставшийся план, Reporter собирает результат. PostgreSQL/pgvector хранит состояние и память; ChainAST-суммаризация сокращает старую историю; необязательный Graphiti дополняет память.

Для чего создано

Выполнять разрешённые security assessments на собственной инфраструктуре с выбранной моделью, отчётностью и повторным использованием результатов.

Для кого

Security engineers, penetration testers, исследователи и red teams с разрешением на оценку выбранных систем.

Сценарии использования

Автономная проверка ограниченной цели с отчётом либо интерактивное исследование, где человек задаёт направление и уточняет работу; документированный пример, не подтверждённое независимое внедрение.

Идея решения

Соединить планирование и пересмотр плана, специализированных агентов, инструменты в контейнерах и долговременные результаты в одном управляемом flow.

Какую задачу описывает источник

Внутренние документы прямо разбирают рост контекста в длинных цепочках и потерю деталей при сжатии, а также необходимость проверять реальные agent roles вместо вывода о качестве по одному API smoke.

ПЕРЕД ПРИМЕНЕНИЕМ

Условия и ограничения

Что потребуется

Docker/Compose либо настроенный Podman; минимум из README — 2 vCPU, 4 GB RAM и 20 GB диска, сеть для загрузки образов. Требуется работоспособный LLM с tool calling и embeddings; локальный inference требует собственных вычислительных ресурсов сверх базового сервера.

Что учитывать

Контейнерная изоляция зависит от конфигурации: host Docker socket даёт агенту контроль над узлом, а API preflight не проверяет ядро/seccomp. ASK_USER отключён по умолчанию и доступен Primary Agent; Graphiti — отдельная beta без встроенной HTTP-аутентификации. Качество summary и моделей не гарантировано.

↗

СМОТРИМ ГЛУБЖЕ

Комментарий NeoBridge

Общая справка

Self-hosted и Docker — Система размещается у оператора. Docker запускает процессы в контейнерах, чья изоляция зависит от настройки.
Flow, Task и Subtask — Процесс работы, отдельная задача и последовательный шаг задачи соответственно.
Tool calling и embeddings — Модель предлагает вызов инструмента; embeddings представляют содержание числовым вектором для поиска близких записей.
Smoke и E2E — Smoke — краткая проверка базовой работоспособности; E2E проверяет сквозной пользовательский сценарий.
Graphiti и pgvector — Здесь это названия двух описанных механизмов памяти: необязательного графового сервиса и расширения PostgreSQL для векторов.
API — Правила, по которым программы обращаются друг к другу: например, запрашивают данные или передают команду.

Что стоит уточнить

Какие цели и правила engagement разрешены, и какая редакция/сборка требуется: CE или Enterprise? Задать границы применения и не приписать платные либо будущие возможности базовой системе.
Как организованы worker daemon, сеть, credentials и retention файлов/логов, и какие данные допустимо отправлять провайдерам и telemetry? Self-hosted и Docker сами по себе не дают обещанной полной изоляции.
Какие модели и embeddings реально проверены на выбранных многоходовых сценариях и как человек будет подтверждать findings? Conformance smoke и успешные tool calls не равны доказанному качеству security assessment.

Основания и справочные материалы

API ↗

↗

ОСНОВАНИЯ

Из первоисточников

Редакционный обзор NeoBridge Insight по материалам источников ниже. Права на исходные тексты, код и изображения принадлежат их правообладателям. Условия использования указаны в первоисточниках.

Независимое тестирование проекта не проводилось.

← Вернуться к проектам Дальше — больше возможностей ↗