ReaderMX.
低调学安全

CyberStrikeAI 新能力：将 Claude Code 当作工具使用

低学安全也就图一乐约 5 分钟

一、引言

CyberStrikeAI 作为 AI 原生安全测试平台，一直致力于将最前沿的 AI 能力与渗透测试工作流深度融合。近期，我们上线了 pent_claude_agent 能力：CyberStrikeAI 可以将 Claude Code（Claude Agent SDK）当作一个可调用的工具来使用。

这是一种「Agent-as-a-Tool」（子 agent 工具化）的架构：主控 AI 不再只是「自己干活」，而是可以把复杂任务整体委托给一个独立的渗透测试子智能体。这个子智能体内部运行 Claude Agent，具备自主推理、多步执行、工具选择与迭代的能力；对主控而言，它则暴露为 MCP 工具接口，像调用 nmap、sqlmap 一样被调用。

Image

二、什么是 pent_claude_agent？

pent_claude_agent 是一个基于 MCP（Model Context Protocol）协议的 MCP 服务，它把 Claude Code 封装成可被 CyberStrikeAI 调用的工具。

本质：pent_claude_agent 本身是一个 agent（内部运行 Claude Agent SDK）；对主控来说，它暴露的是 tool 接口。即：对外是工具，对内是 agent。

核心架构

CyberStrikeAI（主控 Agent）
    │
    ├── 自有工具：Bash、nmap、sqlmap、nuclei 等 100+ 工具
    │
    └── pent_claude_agent（MCP 工具，内部为子 Agent）
            │
            └── Claude Agent SDK（渗透测试子智能体）
                    ├── Read / Write / Bash / Grep / Glob
                    ├── 可挂载的 MCP（如 reverse_shell）
                    └── 独立渗透测试工程师角色

工作方式

  1. 1. 主控决策：CyberStrikeAI 主控 Agent 根据用户任务，判断是「自己直接调用工具」还是「委托给 pent_claude_agent」。
  2. 2. 任务下发：通过 pent_claude_run 工具传入任务描述，例如：「对 example.com 做一次完整的 Web 安全测试」。
  3. 3. 子 Agent 执行：pent_claude_agent 内部启动 Claude Agent，自行拆解步骤、选择工具、迭代执行，直到任务完成。
  4. 4. 结果回传：执行结果返回给主控，主控可继续整合、分析或发起下一轮任务。

三、适用场景

何时自己完成（主控直接调用工具）？

  • • 任务简单明确、单步或少量步骤
  • • 已清楚要执行的具体命令

例如：已知要跑 nmap -sV 192.168.1.1、执行某条 curl、读取某文件。成本低、响应快。

何时调用 pent_claude_agent？

  • • 任务需要多步推理、策略选择
  • • 需要根据中间结果动态调整执行路径
  • • 希望「整体委托」给子 Agent

例如：「对 example.com 做一次完整的 Web 安全测试」「分析这份漏洞报告并给出修复建议」。子 Agent 内部使用 Claude，会自行拆解步骤、选工具、迭代执行。

四、能力与优势

1. 双智能体协同（主 Agent 调用子 Agent）

主控 Agent 与 pent_claude_agent（子 Agent）形成「主从协作」：主控负责任务编排与决策，子 Agent 以工具形式被调用，负责复杂、开放域的执行。两者可交替调用，实现更灵活的工作流。

2. 开放域任务理解

pent_claude_agent 能理解自然语言任务描述，无需事先拆解为具体命令。用户只需说「扫描目标 192.168.1.1 的开放端口并分析服务版本」，子 Agent 会自动规划执行路径。

3. 独立配置与扩展

pent_claude_agent 拥有独立的配置文件（pent_claude_agent_config.yaml），可单独配置：

  • • 工作目录：Agent 执行任务时的 cwd
  • • 允许/禁用工具：Read、Write、Bash、Grep、Glob 等
  • • MCP 挂载：可挂载 reverse_shell 等 MCP，扩展能力
  • • 环境变量：API Key、模型等，与主项目解耦
  • • 系统提示词：定义渗透测试工程师的角色与行为

4. 支持多种能力

  • • 渗透测试：端口扫描、漏洞探测、Web 安全测试、信息收集
  • • 漏洞分析：CVE、PoC、风险等级、修复建议
  • • 安全诊断：URL/IP/域名初步评估

5. 标准 MCP 协议

pent_claude_agent 采用标准 MCP stdio 协议，不仅可在 CyberStrikeAI 中使用，也可在 Cursor、VS Code、Claude Code 等任意支持 MCP 的客户端中接入。

五、当前不足与限制

1. 成本较高

每次调用 pent_claude_agent 都会启动 Claude Agent，产生额外的 API 消耗。对于简单、单步任务，建议优先由主控直接调用工具完成。

2. 执行时长

渗透测试任务可能涉及多轮迭代，单次调用耗时较长。建议将 timeout 设置为 300 秒或更高，并注意网络与 API 稳定性。

3. 依赖配置

需要单独安装 claude-agent-sdk，并正确配置 ANTHROPIC_API_KEY 等环境变量。若未配置，会返回明确的错误提示。

4. 状态与可观测性

当前 Agent 状态（最近任务、结果摘要）通过 pent_claude_run("status") 或「获取状态」获取，尚不支持实时进度流式输出。

5. 授权与安全

pent_claude_agent 默认假设「已获得全部授权」，实际使用中需在配置中明确授权范围，并仅在隔离的测试环境中使用。

六、快速接入

在 CyberStrikeAI 中接入

  1. 1. 打开 Web 界面 → 设置 → 外部 MCP → 添加外部 MCP
  2. 2. 填入以下 JSON（将路径替换为你的实际路径）：
{
"pent-claude-agent":{
"command":"/path/to/CyberStrikeAI-main/venv/bin/python3",
"args":[
"/path/to/CyberStrikeAI-main/mcp-servers/pent_claude_agent/mcp_pent_claude_agent.py",
"--config",
"/path/to/CyberStrikeAI-main/mcp-servers/pent_claude_agent/pent_claude_agent_config.yaml"
],
"description":"渗透测试工程师：下发任务后独立执行并返回结果",
"timeout":300,
"external_mcp_enable":true
}
}
  1. 3. 保存后点击该 MCP 的 启动，即可在对话中通过 AI 调用 pent_claude_run 工具。

配置 pent_claude_agent

编辑 pent_claude_agent_config.yaml，配置 ANTHROPIC_API_KEY、allowed_tools、system_prompt 等。路径占位符 ${PROJECT_ROOT} 表示 CyberStrikeAI 项目根目录。

七、持续迭代计划

pent_claude_agent 是 CyberStrikeAI 在「AI 驱动渗透测试」方向上的一次探索，我们会持续迭代：

  • • 性能优化：减少不必要的 API 调用，支持更细粒度的任务拆分
  • • 可观测性增强：支持执行进度流式输出、更丰富的状态查询
  • • 能力扩展：支持更多 MCP 挂载、更灵活的工具配置
  • • 成本控制：提供任务复杂度评估与调用建议，帮助用户平衡成本与效果

欢迎社区反馈使用体验与需求，共同推动这一能力走向成熟。

八、总结

CyberStrikeAI 现已支持将 Claude Code 当作工具使用，通过 pent_claude_agent 实现「Agent-as-a-Tool」：主控 Agent 调用渗透测试子 Agent，子 Agent 以 MCP 工具形式对外暴露。对于需要多步推理、策略选择或整体委托的复杂任务，这是一个强有力的补充；对于简单任务，主控直接调用工具仍是更经济的选择。

我们期待这一能力能为安全团队带来更高效、更智能的测试体验，并将在后续版本中持续优化与扩展。

相关链接

  • • https://github.com/Ed1s0nZ/CyberStrikeAI

KEEP THE THREAD GOING

更多来源文章