AutoRedTeam-Orchestrator

面向授权测试与 AI/MCP 攻击面审计的 local-first、MCP-native 安全自动化工作台。

中文 · English · Русский

能力成熟度 · 安全模型 · 安全审计

Beta / Research Preview — 优先支持静态分析、dry-run 与本地靶场。exploit、横向移动、持久化、C2、数据外传等高风险能力属于受限实验特性；policy 与 sandbox 元数据不等同于操作系统或容器级隔离。

目录

• 概述
• 能力
• 快速开始
• MCP Server 接入
• Python SDK
• CLI 命令清单
• 配置与授权
• AI/MCP 安全自审
• 设计思路与方案
• 安全与边界
• 许可与免责

概述

AutoRedTeam-Orchestrator 在单一代码库中提供可组合的安全能力，并通过三个入口暴露：MCP Server、Python SDK 与 Typer CLI。产品主线是 AI 辅助的安全自动化——让 AI 编辑器与 Agent 通过 MCP 使用受控的安全能力，并对 AI/MCP 系统自身的攻击面做静态审计。

适用于授权实验、安全自动化研发、AI/MCP 安全审计、CTF 与教学。不是开箱即用的企业平台、自主攻击 Agent 或生产级 C2。

能力

完整定义见能力成熟度。

快速开始

单行安装（安装 autort 与 autoredteam-mcp 两个命令）：

pip install autoredteam-orchestrator                # PyPI
pipx install autoredteam-orchestrator               # 隔离环境
uvx --from autoredteam-orchestrator autort --help    # 免安装直接运行

等不及 PyPI 发布，从 Git 直装：

pip install "git+https://github.com/Coff0xc/AutoRedTeam-Orchestrator.git"
uvx --from git+https://github.com/Coff0xc/AutoRedTeam-Orchestrator autort --help

从源码运行（开发）：

git clone https://github.com/Coff0xc/AutoRedTeam-Orchestrator.git
cd AutoRedTeam-Orchestrator
pip install -r requirements.txt
python -m cli.main --help

只读、无网络的起步命令：

python -m cli.main ai-surface scan --path handlers --format sarif -o surface.sarif
python -m cli.main capabilities manifest --profile safe

MCP Server 接入

MCP Server 把安全能力暴露为 MCP 工具，供 AI 编辑器或 Agent 调用。它是 local-first 的：无云端、无遥测，仅限受信本地 stdio。

启动服务

两种等价方式：

autoredteam-mcp --stdio                # 安装后的命令（PyPI / Git）
python -m mcp_stdio_server --stdio     # 源码 checkout 运行

--stdio 选择 stdio 传输，这正是 MCP 客户端（Claude Code、Cursor、Windsurf、Kiro 等）所用的方式。

接入 AI 编辑器

Claude Code、Cursor 等 MCP 客户端读取 mcpServers 键下的 JSON 配置。本项目最小 .mcp.json：

{
  "mcpServers": {
    "autoredteam": {
      "command": "autoredteam-mcp",
      "args": ["--stdio"],
      "env": {
        "AUTORT_CAPABILITY_PROFILE": "safe",
        "AUTOREDTEAM_AUTH_MODE": "strict",
        "AUTOREDTEAM_API_KEY": "replace-with-a-real-key"
      }
    }
  }
}

AUTORT_CAPABILITY_PROFILE 决定注册哪些工具（见能力档案）。省略则回退到 fail-closed 的 safe 默认值。

档案选择

档案按以下顺序解析：显式参数 → AUTORT_CAPABILITY_PROFILE 环境变量 → safe 默认值。任何 minimum_profile 高于所选档案的工具都不会注册，任何未在 manifest 中分类的 surface 会在注册阶段 fail-closed（CapabilityManifestError）。

环境变量

Python SDK

SDK 是 core/ 引擎之上的薄异步封装，从源码 checkout 导入：

from autort import Scanner, Exploiter, AutoPentest, RedTeam, Reporter
from autort import __version__        # 单源版本号，如 "3.1.0"

所有调用均为 async，返回 dict（少数扫描方法返回列表）。成功以 "success": True 标记；失败携带真实的 "error" 字符串，不吞异常。

Scanner — 侦察与检测

from autort import Scanner

scanner = Scanner("http://127.0.0.1:8000")

ports = await scanner.port_scan(ports="1-1000")          # 或 top=100
recon = await scanner.full_recon()                        # 完整 10 阶段侦察
vulns = await scanner.detect_vulns(categories=["sqli", "xss", "ssrf"])
nuclei = await scanner.nuclei_scan(tags=["cve"], severity=["high", "critical"])

关键方法：full_recon()、port_scan(ports="1-1000", top=None)、detect_vulns(categories=None, config=None)、fingerprint()、waf_detect()、subdomain_enum(domain=None)、passive_recon(domain=None)、nuclei_scan(tags=None, severity=None, template_dir=None, concurrency=10, limit=None)。

Exploiter — 利用与 CVE 情报

from autort import Exploiter

exploiter = Exploiter("http://127.0.0.1:8000")

cves = await exploiter.cve_search("Apache Log4j", severity="critical", has_poc=True)

cve_search(keyword, severity=None, has_poc=None, limit=20) 仅做情报查询，在 safe 档案即可用。cve_exploit(cve)、auto_exploit(top_n=5)、exploit(vuln, **kwargs) 需要 active-lab（及以上）、授权的一次性目标、隔离执行器与 API Key。

AutoPentest — 一键编排

from autort import AutoPentest

pentest = AutoPentest("http://127.0.0.1:8000", config={"timeout": 3600})
result = await pentest.run(phases=["recon", "vuln_scan"])   # 省略 phases 则跑完整流程

run(phases=None) 驱动 RECON → VULN_SCAN → POC_EXEC → EXPLOIT → PRIV_ESC → LATERAL → EXFIL → REPORT 流水线。resume(session_id) 续跑中断的会话；status(session_id) 读取实时状态。这是 full 档案能力，仅在隔离、授权的靶场运行。

RedTeam — 后渗透（受限）

RedTeam(config=None) 聚合横向移动、C2、持久化、提权与凭据发现：lateral_move(target, method="ssh", ...)、c2_start(host, port=443, protocol="https")、persist(target="", method="crontab", ...)、privesc(target, ...)、credential_find(...)。所有方法返回 {"success": bool, ...}。它们属于 full 档案、需审批、隔离执行器的 surface，此处仅作目录列出，不写调用示例。

Reporter — 报告

from autort import Reporter

reporter = Reporter("session_id_here")
html_path = await reporter.generate(format="html")     # html | json | markdown | executive
findings = await reporter.export_findings(format="json")

CLI 命令清单

Typer CLI 是本地分析的主入口，也是安装后的 autort 命令；源码下用 python -m cli.main。

顶层命令

detect（以及 ai-* 扫描器）的 CI 友好参数：--ci 输出精简摘要，并在发现达到 --severity-threshold（info/low/medium/high/critical）的项时返回非零退出码。

子命令组

只读、无网络的起步命令：

autort ai-surface scan --path handlers --format sarif -o surface.sarif
autort ai-surface scan-mcp-config --path .mcp.json
autort ai-surface scan-skills --path ./skills
autort capabilities profiles
autort capabilities manifest --profile safe
autort tools lint --path handlers

配置与授权

能力档案

档案是有序的暴露层级，每个继承上一个：

查看实时定义：

autort capabilities profiles              # 有序档案、继承关系、surface 数量
autort capabilities manifest -p scan      # 按档案过滤的完整 manifest

授权模式

授权通过装饰器按工具施加。由 AUTOREDTEAM_AUTH_MODE 选择，共三档：

能力 manifest

manifest（core/capability_manifest.py）是每个暴露 MCP surface 的机器可读、单一事实来源。每条声明 kind、name、handler、category、minimum_profile、risk、maturity，以及必需控制——auth_required、approval_required 与 executor（in-process / external-process / isolated-required）。任何未分类的 surface 注册即 fail-closed。

required_controls 字段是声明式的：它们只控制 MCP schema 暴露，不负责强制。它们不替代认证、目标范围、独立审批或隔离执行器。

AI/MCP 安全自审

对你自己的仓库做纯静态审计：盘点 MCP server 与 AI agent 工具的攻击面，结果以 file:line 精度进入 GitHub Code Scanning。无需 target、网络、secret 或授权。

作为 GitHub Action 在每个 PR 上运行（完整示例见 self-audit.example.yml）：

- uses: Coff0xc/AutoRedTeam-Orchestrator@v3.1
  with:
    mode: self-audit
    path: '.'
    severity-threshold: high

或本地运行：

python -m cli.main ai-surface scan --path . --format sarif        # MCP handler 工具面
python -m cli.main ai-surface scan-mcp-config --path .mcp.json    # 危险命令与明文 secret
python -m cli.main ai-surface scan-skills --path ./skills         # 高危指令标记

审计外部仓库时，以 --auth-mode lenient 抑制项目特化的授权判定。

设计思路与方案

• 一套引擎，三个入口。 侦察、检测、利用、编排、CVE、AI 红队与 AI 攻击面逻辑都落在 core/；MCP Server、SDK（autort/）与 CLI（cli/main.py）都是同一引擎之上的薄适配层。能力只实现一次，而非三遍。
• fail-closed 的 MCP 暴露。 每个注册的 surface 必须在 capability manifest 中分类。未分类或超出所选档案的 surface 不会被静默暴露——注册即抛错。默认是最窄的 safe 档案，而非最宽的。
• 声明式暴露与强制授权分层。 档案过滤「哪些工具对客户端存在」；授权决定「受保护工具能否运行」。二者刻意独立，避免改档案时意外放宽「谁能行动」。
• 本地优先、默认 dry-run。 服务仅 stdio，信任本地进程。高风险能力默认 dry-run，仅在显式 opt-in 的隔离一次性靶场中离开 dry-run。
• 自审是一等公民。 同一仓库自带对 MCP handler、MCP 客户端配置、skill/prompt 文件的只读扫描器，无需目标或网络即可审 AI/MCP 攻击面本身。

安全与边界

• MCP capability profile（safe/scan/active-lab/full）在注册阶段过滤工具，但不替代认证、目标范围、独立审批或隔离执行器。
• 高风险能力默认 dry-run，仅应在一次性隔离环境中启用。
• 认证由单个工具装饰器接入，尚未构成覆盖全部注册面的统一边界。

详见安全模型与能力成熟度。

许可与免责

MIT License，见 LICENSE。

仅供明确授权的安全测试、内部验证、教育研究与本地实验使用。使用者须遵守适用法律并取得目标所有者的书面授权；禁止用于未授权的扫描、利用、持久化、数据外传或规避安全控制。