agentic-radar

给智能体工作流做上线前的安全体检

开源 🏷️定价信息待确认 ⏳ 访问状态待核验 评测安全 🍴 复刻 155 🐛 待处理 14 👀 关注 19
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1070
维护状态 活跃
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

agentic-radar 项目界面预览图
图片来源:项目官网

项目数据

分类评测安全
开发团队splx-ai
官网地址https://splx.ai
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态⏳ 访问状态待核验
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agentic-ai,agentic-framework,agentic-workflow,ai,ai-red-teaming,ai-security,cli,devsecops,generative-ai,llm,llm-security,mcp,mcp-server,red-teaming,security,security-tools
GitHub 星标★ 1070
上线时间2025-02-12 00:00:00
代码更新2026-11-13
仓库体积18.3 MB
本站数据更新2026-11-16
维护状态活跃
收录时间2026-11-16
浏览次数0

项目介绍

agentic-radar 是一个面向 LLM 智能体工作流的安全扫描器,用 Python 编写并提供 CLI。它要解决的问题是:当开发者用 LangGraph、CrewAI 等框架搭建多步骤、多工具调用的智能体时,提示注入、工具滥用、敏感信息泄露、权限越界等风险往往散落在节点与边之中,难以人工审计。该工具以静态分析为主,解析工作流定义并构建图结构,识别工具调用、外部输入入口与数据流向,再按规则集输出风险清单与修复建议,可接入 CI 做 DevSecOps 检查。它定位偏左移,在开发阶段而非运行时发现配置与设计层面的隐患,适合安全工程师与智能体开发者做上线前自查。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-11-16 · 当前星标 ★ 1070

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:入门 约 5 分钟 部署方式:命令行工具 4 步

环境要求

  • 已安装 Python 环境与 pip 包管理工具
  • 可访问 PyPI 源以安装 agentic-radar 包
  • 使用 CrewAI 相关功能时,Python 版本需满足 >=3.10 且 <3.13
  • 使用 OpenAI Agents 相关功能时需额外安装对应 extras 依赖

安装与启动步骤

  1. 1安装主程序

    用 pip 从 PyPI 安装 agentic-radar 主包,这是最基础的安装方式,不含框架专属扩展。

    pip install agentic-radar
  2. 2验证安装

    执行版本查询命令,能输出版本号说明 CLI 已正确装入当前 Python 环境。

    agentic-radar --version
  3. 3安装 CrewAI 扩展

    需要 CrewAI 框架下的漏洞测试与预定义工具描述功能时,装带 crewai 的 extras。

    pip install "agentic-radar[crewai]"
  4. 4安装 OpenAI Agents 扩展

    需要在 OpenAI Agents 框架下使用漏洞测试功能时,安装对应 extras 依赖。

    pip install "agentic-radar[openai-agents]"

如何确认成功

运行 agentic-radar --version,正常输出版本号即表示安装成功。

常见问题

Q:执行 agentic-radar 提示命令未找到怎么办?

A:说明脚本目录不在 PATH 中或安装在别的虚拟环境里,可确认当前激活的 Python 环境,并用 python -m 方式或检查 pip 的 bin 目录。

Q:安装 crewai 扩展时提示 Python 版本不支持?

A:crewai-tools 仅支持 Python >=3.10 且 <3.13,请切换到该范围的解释器再安装,否则工具描述会缺失或不详细。

Q:只装主包可以正常使用吗?

A:可以,主包提供核心扫描能力;但 CrewAI、OpenAI Agents 相关的漏洞测试与工具描述需要额外安装对应 extras。

Q:扫描具体工作流要执行什么命令?

A:README 的 Usage 章节仅说明提供两个主要命令,未给出完整命令与参数,请以仓库 README 或官网文档的最新内容为准。

注意事项

  • 该工具以静态分析为主,在开发阶段检查工作流设计与配置隐患,属于上线前自查手段。
  • 建议在项目虚拟环境(如 venv、conda)中安装,避免污染系统 Python 环境。
  • 不同框架的扩展依赖不同,按实际使用的框架选择 extras,不要一次全装。

核心亮点

  • 以静态分析方式解析智能体工作流图结构,能在编码阶段发现工具滥用、提示注入入口等设计层风险,不必等到运行时
  • 提供命令行接口,便于接入 CI 流水线,作为 DevSecOps 环节的自动化安全检查
  • 聚焦 LLM 智能体这一细分场景,规则围绕工具调用与数据流设计,比通用代码扫描更贴合实际风险

不足之处

  • 项目仍处早期,规则覆盖面和框架适配广度有待验证
  • 以静态分析为主,对运行时动态行为与多轮交互中的实际攻击链覆盖有限

适用场景

  • 智能体应用上线前做安全自查
  • 在 CI 中对工作流定义文件做自动化风险扫描
  • 安全团队评审第三方智能体编排方案

替代项目

garak、PyRIT、promptfoo

上一篇:Awesome-AI4Animation

下一篇:没有了!

同类项目推荐

robustness-foundation-models 开源

动手复现大模型鲁棒性实验,看清AI脆弱点

This repository holds code and other relevant files for the NeurIPS 2022 tutorial: F···

★ 72 2026-08-09
awesome-gpt-6-astra 开源

一份清单,带你安全玩转GPT-6 Astra的实战用例与提示词。

Evidence-backed use cases, prompts, integrations, evaluations, and safety notes for ···

★ 17 2026-09-07
rageval 开源

给RAG系统打分,快速找出效果短板

Evaluation tools for Retrieval-augmented Generation (RAG) methods.

★ 172 2026-08-09
param 开源

参数化基准组合,一键测出训练推理平台真实性能

PArametrized Recommendation and Ai Model benchmark is a repository for development o···

★ 156 2026-10-31
scope 开源

给 AI Agent 加多层可调安全闸,危险动作拦在门外

Configurable Multi-layered AI Agentic Safety Framework

★ 332 2026-10-10
LLMEvaluation 开源

选对 LLM 评测方法,少走弯路

A comprehensive guide to LLM evaluation methods designed to assist in identifying th···

★ 208 2026-09-15
ASSERT 开源

按需求自动生成用例,本地跑测 AI Agent 行为

Requirement-driven evaluation harness for AI agents and LLM applications. Generate b···

★ 364 2026-10-23