分析日期: 2026-07-15
分析范围: GitHub 代码库、文档、社区
版本: main 分支

一、项目概览

项目 说明
仓库 Ed1s0nZ/CyberStrikeAI
语言 Go (1.25+)
Agent 引擎 Eino（字节跳动开源）
架构 SPA 前端 + Go 后端，单二进制部署
MCP 支持 HTTP / stdio / SSE 全协议，支持外部 MCP 联邦
社区 22 Issues + 7 PRs，有 Discussions
同类项目 CyberStrike（Node.js CLI/TUI 型）

项目定位

“The system of action for AI-native cybersecurity — where intent becomes governed execution, evidence becomes operational memory, and every operation improves the next.”

CyberStrikeAI 不是简单的 LLM wrapper，而是一个 AI-native 安全测试平台，整合了 Agent 编排、工具链、C2、WebShell、知识库、工作流引擎。

二、架构分析

2.1 目录结构

CyberStrikeAI/
├── cmd/                    # 入口点
│   ├── server/             # 主服务器
│   ├── mcp-stdio/          # MCP stdio 模式
│   ├── test-config/        # 配置验证
│   ├── test-external-mcp/  # 外部 MCP 连接测试
│   └── test-sse-mcp-server/ # SSE MCP 测试
├── internal/               # 核心逻辑
│   ├── agent/              # Agent 引擎核心
│   ├── agents/             # Agent 定义
│   ├── app/                # 应用上下文
│   ├── attackchain/        # 攻击链建模
│   ├── audit/              # 审计日志
│   ├── authctx/            # 认证上下文
│   ├── c2/                 # C2 框架（内置）
│   ├── config/             # 配置管理
│   ├── database/           # SQLite 持久层
│   ├── einomcp/            # Eino + MCP 集成
│   ├── einoobserve/        # Eino 观测
│   ├── handler/            # HTTP handler
│   ├── hitl/               # Human-in-the-loop
│   ├── knowledge/          # 知识库（RAG）
│   ├── logger/             # 日志系统
│   ├── mcp/                # MCP 协议实现
│   ├── monitor/            # 监控
│   ├── multiagent/         # 多 Agent 编排
│   ├── openai/             # OpenAI-compatible 接口
│   ├── project/            # 项目管理
│   ├── projectprompt/      # 项目提示管理
│   ├── reasoning/          # 推理引擎
│   ├── robot/              # 聊天机器人集成
│   ├── security/           # 安全执行器
│   ├── skillpackage/       # Skill 包管理
│   ├── termout/            # 终端输出
│   ├── vision/             # 视觉分析
│   └── workflow/           # 工作流引擎
├── web/                    # 前端 SPA
├── tools/                  # YAML 工具配方（100+）
├── roles/                  # 角色配置（12+）
├── skills/                 # Skill 定义
├── agents/                 # 多 Agent 定义
├── docs/                   # 文档
├── plugins/                # Burp 插件 + 浏览器扩展
└── images/                 # 截图

2.2 核心设计亮点

1. Agent 分层架构

User Intent → Agent Core → Eino Orchestration → Tools/Workflow → Result
                            ↕
                       Human-in-the-loop
  • 支持单 agent / Plan-Execute / Supervisor 三种多 agent 模式
  • Graph 工作流支持条件节点、审批节点、并行执行

2. Skill + Role 体系

  • Skill 按标准布局，支持渐进式按需加载
  • Role 提供聚焦的 prompt + 工具策略隔离
  • 12+ 预定义安全测试角色

3. 攻击链建模 (Attack Chain)

  • 跨会话关联事实
  • 风险评分 + Graph 视图 + 分步回放
  • 漏洞全生命周期管理

4. MCP 联邦

  • 支持 HTTP / stdio / SSE 三种模式
  • 外部 MCP server 动态发现
  • 可与 Burp Suite、浏览器扩展联动

三、优缺点分析

✅ 优点

类别 说明
架构设计 真正的平台级架构，Agent/Workflow/Skills/Roles 分离管理，远强于"调 API"的 wrapper
Eino 选型 字节跳动 Eino 框架支持 Graph workflow、多 agent 模式，适合安全自动化场景
工具集成 100+ YAML 工具配方，覆盖完整杀伤链，role-scoped + lazy-loading
内置 C2 + WebShell 微型 C2 框架（listener/beacon/session/event）+ WebShell（虚拟终端/文件操作/AI assistant）
国产化 中文 README 完善，支持飞书/钉钉/企业微信/QQ/Telegram/Slack/Discord 机器人
扩展性 MCP 联邦、Burp 插件、浏览器扩展、插件 SDK
文档质量 双语言文档完善，含 deployment/config/security/API/mcp-federation 等专题
Human-in-the-loop 审批模式 + 工具白名单 + 审计 Agent 审查 + 可追溯决策

❌ 缺点

类别 说明
测试覆盖 目录结构中几乎无 _test.go，核心安全逻辑缺乏验证
代码膨胀 handler 等模块单文件过长，维护性差
错误处理 大量 return err 缺乏上下文 wrap，排查困难
依赖臃肿 420 行 go.sum，依赖树较大
Go 版本要求 1.25+ 企业环境可能不支持
安全性 内置 C2 + WebShell 是高危能力，代码 bug = RCE 风险，未看到公开安全审计
CI/CD 不透明 Actions 存在但未见公开的测试结果/覆盖率报告
功能膨胀 从 C2 到聊天机器人到浏览器扩展什么都做，可能分散核心品质

vs CyberStrike (Node.js) 横向对比

对比维度 CyberStrikeAI (Go) CyberStrike (Node.js)
定位 重型平台，团队协作 轻量 CLI/TUI，个人使用
上手 部署 server + 配置多个依赖 npm i -g 一条命令
Agent 依赖 Role + Skill 组合 13+ 预定义安全 Agent
远程执行 WebShell / C2 Bolt (Ed25519 鉴权)
适用场景 攻防演练平台、团队协作 个人渗透测试、Bug Bounty
LLM 支持 OpenAI-compatible 15+ 提供商 + 离线 Ollama

四、代码质量评估

评估维度 评分 (1-10) 依据
架构合理性 8 模块划分清晰，internal/ 包结构合理
代码可读性 5 缺乏注释，部分函数过长
测试覆盖 2 几乎无可用测试
错误处理 4 缺乏错误上下文和分级
安全编码 6 有安全意识但代码需审计
文档质量 8 README + docs/ 覆盖全面
依赖管理 5 go.sum 较大，依赖树精简不足
CI/CD 4 Actions 存在但未见公开结果
可扩展性 7 MCP + 插件 SDK 设计好
整体 5.5 架构设计 > 代码实现

五、增强建议

P0 - 关键（安全相关）

  1. 添加核心测试

    • internal/agent/、internal/security/、internal/handler/ 的核心执行链路
    • 安全工具执行链的 mock 测试
    • C2/WebShell 模块的隔离性测试

  2. 重构大文件

    • handler 按模块拆分（task_handler.go, vuln_handler.go, agent_handler.go）
    • 单一文件不宜超过 500 行

  3. 统一错误处理

    • 引入错误码体系或 errors.Wrap 链
    • 所有安全执行器 + C2 代码添加 panic recovery

  4. 增强 MCP 安全

    • MCP stdio/SSE 需要鉴权
    • 外部 MCP server 白名单机制

P1 - 重要

  1. CI/CD 加固

    • 添加 golangci-lint（gosec, errcheck, staticcheck）
    • 安全扫描：gosec + trivy
    • 依赖漏洞检查（Dependabot / Renovate）
    • 提交前强制 go vet

  2. 数据库支持扩展

    • 当前仅 SQLite，团队场景需要 PostgreSQL / MySQL
    • 建议使用 GORM 或 bun 统一抽象

  3. 攻击链可视化

    • 当前 graph view 可升级为 MITRE ATT&CK 映射可视化
    • 导入导出攻击链为 STIX 格式

P2 - 锦上添花

  1. 插件系统标准化

    • 插件 SDK 文档化
    • 支持 Go plugin 动态加载

  2. 性能优化

    • 大型工具输出结果的分页 + 压缩当前已有
    • 可考虑引入结果缓存层

  3. 快速上手增强

    • 提供 Docker Compose 一键部署（当前只有 run.sh）
    • 提供预配置的 Docker 镜像

六、总结

CyberStrikeAI 的架构设计和功能规划在同类型工具中属于上游水平——它是真正在构建 AI 原生的安全测试平台，不是简单的 LLM wrapper。Eino 选型、MCP 联邦、攻击链建模、Role/Skill 体系，都是正确方向。

但代码质量拖了后腿：测试覆盖不足、部分模块代码膨胀、错误处理粗糙。对于一个涉及 C2、WebShell、远程命令执行的安全工具，这些问题是不可忽视的安全风险。

使用建议

场景 建议
POC/Demo 可以部署体验
生产环境攻防 ⚠️ 不推荐，需先做一轮代码审计 + 补测试
参考架构 ✅ 架构设计值得学习
Fork 二次开发 ✅ 推荐，基础架构好，补测试和安全加固后可用
个人渗透测试 考虑更轻量的 CyberStrike (Node.js)
# 开源 # 人工智能 # github # 开源软件 # golang
Logo
龙虾开发者社区

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用

更多推荐

cover

OpenClaw装好了却不知道怎么用？先把它带出局域网

avatar 龙虾开发者社区

GitHub今日热榜 | 2026-07-17：教育Agent与极低量化分庭抗礼

GitHub热门项目速览：OpenCut（视频编辑插件化重构）与hallmark（反AI设计工具）连续霸榜，Star增速超100%；DeepTutor（教育Agent）发布新版本后二次爆发；新上榜项目包括Graphify（代码知识图谱）、1-bit量化LLM演示等，显示AI Agent生态持续分化。前四名中三个是Agent技能项目，反映技术趋势已从单一赛道发展为默认语境。

avatar 龙虾开发者社区
cover

【安心陪诊 Agent】用户访谈与测试报告设计：如何证明安心陪诊真的有用

avatar 龙虾开发者社区