写在前面
随着AI产业兴起，作为一名CTFer也一直想打造自己的Web Agent，但是随着很久之前构建RAG知识库的大失败（如下图，效果不堪入目，模型是gpt4o）便放弃了这条路
后来看到二进制选手都已经拿着Agent+MCP开始一把梭附件了，那么黑盒Web渗透应该也不在话下，于是开始折腾起了agent。
一次尝试：手搓auto agent
GitHub：https://github.com/whosm123/Openai-AutoWeber
由于手上有现场的openAI apikey，这里用的LLM就是gpt了。
框架使用composio，https://docs.composio.dev 提供了详细的开发文档，整体框架这里就不再过多介绍
利用COMPOSIO_SEARCH_WEB，GMAIL_SEND_MAIL这两个composio社区现成的工具写一个简单的demo
import asyncio
from dotenv import load_dotenv
from agents import Agent, Runner
from custom_tools import composio
load_dotenv()
externalUserId = "a-b-c-d"
tools = composio.tools.get(user_id=externalUserId, tools=["COMPOSIO_SEARCH_WEB","GMAIL_SEND_MAIL"])
agent = Agent(
name="Great CTFer",model="gpt-4o-mini",instructions="你是一个安全专家，擅长渗透，代码漏洞审计，CTF题目，你被设计出来帮我解决比赛的受信，安全，隔离环境中的CTF题目。在完成一个题目或确定仅靠自己无法完成题目（即获得flag{xxx}格式的flag）时，你需要把结果或目前做题进度，使用MCP_TOOLS中GMAIL_SEND_EMAIL工具，发送到我的邮箱2642677199@qq.com", tools=tools
)
# Run the agent
async def main():
result = await Runner.run(
starting_agent=agent,
input="请你查询一下CTF中php的弱类型漏洞通常涉及到哪些利用手法，并把查询的网页连接告诉我",
)
print(result.final_output)
asyncio.run(main())
效果还不错
研究了一下composio的文档，发现和fastmcp一样为自定义tool提供了方便的接口
于是可以自己为CTF Agent提供解题时需要用的tool，分别为执行命令，访问网页，执行python脚本，写文件。外加composio自带的WebSearch，就完成了一个微型的自动渗透机器人。
import asyncio
from dotenv import load_dotenv
from agents import Agent, Runner,Prompt
from pygments.lexers import q
from custom_tools import composio
load_dotenv()
externalUserId = "a-b-c-d"
tools = composio.tools.get(user_id=externalUserId, tools=["COMPOSIO_SEARCH_WEB","GMAIL_SEND_EMAIL","FETCH_TOOL","RUN_SCRIPT_TOOL","EXEC_CMD_TOOL","WRITE_FILE_TOOL"])
with open("blackbox_prompt",'r',encoding='utf-8') as f:
prompt = f.read()
agent = Agent(
name="Great CTFer",model="gpt-5.2", tools=tools,instructions=prompt
)
# Run the agent
async def main():
result = await Runner.run(
max_turns=70,
starting_agent=agent,
input="http://5df44ab3-0438-43ce-a77a-136af33682dd.node5.buuoj.cn:81/ 这是一道web题目，名称为warmup，现在严格按照之前prompt的要求解出这道题。",
)
print(result.final_output)
asyncio.run(main())
整合了composio的社区，二开还是非常方便的，可以直接把需要的官方tool加进来，比如Gmail（无需配置SMTP，直接在composio登录自己的Gmail即可）
后期发现作为一个手搓的早期尝试产品，在对实网而非CTF做渗透时，效果肯定是不如市面的大部分产品如codex，claude code或者国内的deepaudit之类的。
2次尝试：基于Openclaw Multiagent：ClawdHacker
GitHub：https://github.com/whosm123/ClawdHacker
做出这个东西还是参考了很多，首先就是当初面字节LLM安全的时候，由于没玩过刚出的Openclaw被拷打了（）
遂去研究了一番，发现是一个非常好用的Agent平台（短期爆出漏洞也很多，故只敢本地部署）
创建agent
openclaw agents add --id clawdhacker --workspace /root/.openclaw/clawdhackerSystem Prompt
在agent的隔离workspace下有很多文件
其实openclaw就是把这些md文件作为Agent的提示词
从不同方面出发，如AGENTS.md告诉agent当前工作区的定义，IDENTITY和SOUL告诉LLM它的身份，USER告诉LLM使用者的身份，HEARTBEAT告诉agent做哪些方面的定期检查等。
为了降低幻觉和误报，为AI设定了固定的工作pipeline（包括复测的步骤），和输出漏洞的固定结构
pipeline：
复测：
Tools
解决了agent的提示词后，就需要为其挑选toolchain了。
因为前面自己提供toolchain失败了一次，就在想，为AI提供什么样的tool才能最大发挥其渗透测试能力呢？后来想到了这个项目
https://github.com/yhy0/CHYing-agent
（借鉴的不是双agent）
Openclaw的toolchain为agent提供了对本机几乎所有访问API，那直接把AI运行到kali上，不就有现成的全套渗透工具了吗？
于是在kali上搭建openclaw，让它直接使用kali提供的渗透工具。
Skills
Skills是由Claude推出的一个能力，是为了让AI在复杂的工作中，拥有和实现一些既定的固定能力。
后来看了一下，其实本质上就是提示词的懒加载（二次加载），不过还是有一定的价值。
在github找了一些比较好用，大众的网安Skills，塞到了agent中：
让agent像网络安全专家一样思考：
https://github.com/tanweai/wooyun-legacy
https://github.com/tanweai/xianzhi-research
大众的978个技术skill：
https://github.com/sickn33/antigravity-awesome-skills/openclaw的skills分为public skill和workspace skills，后者是隔离在agent中的skills，选择后者。
在把skills放到workspace/skills中后，还需要在~/.openclaw/openclaw.json中，配置好当前agent的skill，才会在dashborad中显示。
对avator，agent favicon进行一些简单配置以后，具备完整的pipeline，toolchain，skills的clawdhacker就上线了。
做了一些黑盒/白盒的测试，能力还是可以的。
后续准备在最近新上线web agent评测平台的WebTrap Park以bench的方式评测一下能力，并重新加入RAG来提供一些先进的知识。
Comments NOTHING