PentAGI - 専門エージェントとDocker実行を結ぶ侵入テスト基盤

GitHub Stars29.4k
Stars Today1k
Forks4.4k
Trending8
観測: 2026年10月15日

PentAGIは、自然言語で渡した検査対象と目標を専門エージェントへ分解し、Docker内の既存セキュリティツールで実行するセルフホスト型の侵入テスト基盤だ。READMEでは、調査、計画、実行、結果の保存、報告を一つの作業単位につなぐ構成が説明されている。中心にあるのは新しい検査エンジンではなく、nmap・Metasploit・sqlmapなどを使って「次に何を調べるか」を決めるオーケストレーション層である。 特徴は、実行履歴と再利用知識を分けた記憶、専門エージェントへの委譲、任意の実行監督、人間による停止・修正を組み合わせる点にある。ただし、提示資料は主にREADMEとリリース抜粋で、実装の独立確認はできていない。「完全自律」や「完全隔離」を、検査精度や安全性の保証として受け取ることはできない。

ポッドキャスト形式で聴く

約5分

AI生成の会話音声です。記事の要点を短くまとめています。

なぜ注目されているか

2026年10月15日の観測ではGitHub Trending日次8位に入り、当日増加として1,025スター、累計29,433スター、4,424フォークが記録された。公開予定日の10月18日まで注目が継続することや、検査能力の高さを示す指標ではない。

なぜ重要なのか

PentAGIが示す設計上の論点は、コマンド実行だけでなく、結果を解釈して次の検査へ進む判断まで、状態を持つワークフローへ取り込むことだ。既存ツールを維持したまま、この接続部分をエージェントへ任せられれば、人間は各操作の組み立てから、対象範囲、判断の妥当性、停止条件の確認へ比重を移せる可能性がある。一方、推論、記憶、コンテナ、ネットワークを一体で運用する責任も増える。評価すべきなのは自律性の看板より、途中経過を観測し、介入できる構造と、その権限境界である。

この記事に出てくる言葉(5語)
Flow

PentAGIで検査や対話を進める作業単位。Task、SubTask、Actionの階層を持ち、実行履歴や人間からの指示を結び付ける。

Adviser

任意の事前計画や実行監督を担うエージェント。手順を補ったり、ツール実行結果に分析を添えたりする。

Reflector

tool callの生成失敗や呼び出し上限への接近を受け、エージェントに修正や終了を促す仕組み。

ChainAST

会話履歴を構造として扱うための表現。tool callと応答の対応を保ちながら、古い区間などを要約するために使う。

Graphiti

応答やツール実行から関係情報を非同期に取り込み、Neo4jへ構築する任意の連携。pgvectorによる記憶検索を補完する。

1. 読む前に知っておきたいこと

検査ツールの間にある判断と引き継ぎ

比較の出発点は、人間がnmap・Metasploit・sqlmapなどを操作し、出力を読み、次の検査と報告を組み立てる運用だ。これは従来運用の実測調査ではなく、READMEが自動化対象として挙げる工程から整理した比較である。

この流れでは、コマンドを実行できるだけでは作業が完結しない。対象について何が分かり、何が未確認で、次にどの手段を選ぶかを引き継ぐ必要がある。PentAGIは、この連鎖を専門エージェントと永続的な状態で接続しようとする。個々の検査ツールを置き換えるより、その使い分けと結果の受け渡しを扱う基盤として読むと役割が明確になる。

長いエージェント実行で管理するもの

LLMに作業を継続させる構成では、同じ呼び出しの反復、進捗の停滞、履歴の肥大化を扱う必要がある。PentAGIのREADMEには、それぞれに対応する実行監督、呼び出し上限、会話要約が記されている。これらは別々の問題を扱う。実行回数を制限しても有益な検査になるとは限らず、会話を短くできても必要な証拠が十分に残るとは限らない。

したがって、理解すべき対象はモデル単体の能力だけではない。どの結果を次の判断へ渡すか、過去の知識をいつ検索するか、人間がどこで介入するかまで含めて実行モデルを見る必要がある。

注目の規模と、技術的な裏付けを分ける

2026年10月15日のGitHub Trending取得記録では、日次8位、当日1,025スター増、累計29,433スター、4,424フォークだった。これは同日の観測値であり、公開日の10月18日まで増勢が続いたことを示さない。取得したリリース一覧の先頭は、10月5日公開のv2.2.0である。

注目を集める理由を技術面から見るなら、会話UIにとどまらず、実行、記憶、監督、報告までの構成が説明されている点が題材になる。ただし、スター数は検査能力の証明ではない。以下の機構もREADME上の説明として扱い、実装や運用結果の独立検証とは区別する。

2. どう動くのか

Flowから非同期タスクと専門役へ分解する

入口はReact・TypeScriptのWeb UIと、GoのREST・GraphQL APIだ。利用者はFlowを作り、LLMプロバイダー、対象、目標、範囲を指定する。目標を渡して進めるAutomationと、対話で調査を進めるAssistantがあり、AssistantではUse Agentsで専門エージェントへの委譲を切り替えられる。

READMEの構成図では、APIから非同期キューへイベントが送られ、エージェントへタスクが渡る。オーケストレーターは類似タスクの経験と関連知識を取得し、調査役の分析、計画の組み立て、実行役への委譲へつなぐ。作業の階層はFlow、Task、SubTask、Actionで、command・search・analyzeなどのActionがArtifactやMemoryを生成する。

この階層により、自然言語の目標と実際の操作の間に中間状態が置かれる。同じFlowのAssistantから状態を確認し、現在のタスクを止め、残りの手順を修正できる点も、実行を任せる際の重要な接点だ。

モデルの判断をDocker内の操作へ変える

通常のllmモードでは、simpleエージェントへの最初のLLM呼び出しで実行用Dockerイメージを選ぶ。fixedモードなら、この呼び出しを省いて検査用イメージを使う。その後、エージェントはtool callを通して操作する。terminalはコンテナ内のコマンド実行、fileはファイル操作、browserはWeb閲覧などを担当する。検査ツールの実行と情報収集を、エージェントが呼べる関数として接続する構造である。

推論先は組み込みクラウドLLM、OpenAI互換エンドポイント、Ollama・vLLMによるローカルモデルから選べる。プロバイダープロファイルでは役割別のモデル、実行パラメーター、推論設定、価格情報を指定する。つまり、自前のサーバーで基盤を動かすことと、推論をローカルで完結させることは別の選択だ。埋め込みプロバイダーもLLMとは別に構成する。

なお、イメージの自動選択は権限制御と同義ではない。許可リストは標準で空、既定イメージは提案であり、READMEには利用者の明示指定が設定を無視するとの記述もある。fixed設定や許可リストとの優先順位は、提示資料だけでは確定できない。

実行履歴と再利用知識を分けて保存する

実行したコマンドと出力はPostgreSQLへ保存され、pgvectorと埋め込みが記憶・知識の意味検索に使われる。ここで区別すべきなのが保存と再利用だ。memoryはFlow固有の履歴であり、将来の実行へ渡す知識はguide・answer・codeとして明示的に保存する。実行ログを永続化しただけで、次のFlowがすべてを自動的に学習する構成ではない。

任意のGraphitiを有効にすると、エージェント応答、ツール実行、Flowの文脈が別経路で非同期に取り込まれ、Neo4jへ関係情報が構築される。graphiti_searchの検索範囲は標準でFlow内だ。これはpgvector記憶の補完であり、取り込んだ直後の情報が即座に検索できるとは限らない。

また、永続記憶と、現在のLLMに渡す会話履歴も別物である。履歴が大きくなるとChainASTへ変換し、区間、大きな呼び出し・応答ペア、QAを要約して再構築する。tool callと応答の構造を保ち、縮小できなければ元の履歴を返す。単純に古いメッセージを切り捨てる方式とは異なるが、この仕組みだけで要約後の判断品質が保証されるわけではない。

計画の補助、実行監督、上限を重ねる

事前計画と実行監督は、どちらもBetaで標準無効だ。事前計画を有効にすると、Adviserが文脈を踏まえた3〜7手順を作り、タスク割り当てへ追加する。実行監督は、変更可能な閾値として同一ツール5回、総呼び出し10回を使い、元の結果にAdviserの分析を添える。応答にはoriginal_resultとmentor_analysisが入り、実行役へ判断材料を返す。

これとは別に、ツール呼び出し上限は常時有効である。標準では一般エージェントが100回、制限付き役割が20回。Reflectorは3回のtool call生成失敗や上限への接近を受けて、修正と終了を促す。任意の監督は経過への助言、常時の上限は実行量の制約として読むと、役割の違いを捉えやすい。

いずれも反復や失敗への対処機構であり、目標達成の判定や誤検知・見逃しの防止を保証する根拠にはならない。停止できることと、適切な結論へ到達することは、別に評価する必要がある。

品質の作者報告には追加コストが伴う

作者はQwen3.5-27B-FP8で、監督なしのベースラインに対して監督・計画ありの結果品質が約2倍になったと報告している。一方、時間とトークン消費は2〜3倍になるという。提示資料には対象システム、試行数、採点定義、生の結果がなく、監督と計画それぞれの寄与も明確ではない。他モデルや自分の検査対象へ、そのまま適用できる数値ではない。

構造としては、実行結果を別の判断へ回すほど、推論の仕事も増える。採用判断では品質向上の作者報告と追加費用を一緒に扱う必要がある。最終報告はWeb表示、コピー、Markdown・PDFダウンロードに対応するが、読みやすい報告の生成と、その内容が正しいことの検証も分けて考えるべきだ。

3. 使いどころと限界

既存ツールを残し、判断過程を確認する運用へ

適合しやすいのは、許可された狭い対象で試し、エージェントの判断と端末出力を人間が確認できるチームだ。既存の検査ツールを残しながら、調査から報告までをFlowへ接続したい場合に、PentAGIの役割が生まれる。Bearer認証付きREST・GraphQLは、社内の自動化やCI/CDへ組み込む入口にもなる。

一方、CALDERA型の、事前定義されたキャンペーンを反復するBAS・敵対者エミュレーションが主目的なら、同等の代替と扱う根拠はない。現在のPentAGIは侵入テストと対話支援の基盤として説明されている。また、API連携が可能でも、Flow報告のJSONエクスポートは対応形式として文書化されていない。連携先が必要とする出力形式は別途確認が要る。

隔離はDockerを使うだけでは成立しない

最も重い境界はホストへの権限だ。README自身が、ホストのDockerソケットをエージェントへ渡すと、特権コンテナやホストのルートディレクトリのマウントを通じ、ノード全体を侵害し得ると警告する。作者は別workerとTLS付きの強化されたDocker-in-Dockerを推奨している。

ネットワークにも別の確認が必要だ。Flowのコールバック用ポートは標準で全インターフェースへ公開され、hostモードではホストのネットワークを共有する。PROXY_URLもsandbox・scraper・Graphitiなどの通信を制御しない。対象範囲を自然言語で指定したことを、通信可能な範囲の技術的な制約と見なすことはできない。

v2.2.0ではsandboxの隔離を再構築し、CVE-2026-14784を修正したと作者が報告する。ただし取得したリリース本文は途中で切れており、修正範囲や検証手順は確認できない。修正の報告だけで、残る権限境界まで安全と判断する材料はそろっていない。

モデル互換性と記憶基盤が運用上の依存になる

OpenAI互換APIへ接続できても、エージェント実行の信頼性まで確認できるわけではない。有効なtool-call JSON、モデルに合うパーサーとchat templateが必要で、失敗すればFlowの開始や継続に支障が出る。埋め込みサービスの誤設定や到達不能もFlow停止の原因になり、プロバイダー変更時には既存ベクトルの再索引または消去が必要だ。

READMEにはLLMの応答やfunction callingを検査するctester、埋め込みとDB接続を検査するetesterがある。これらを使える運用体制は有用だが、検査できるのは接続や応答の性質であり、実際の誤検知率・見逃し率を確定するものではない。提示資料には検査能力や完全隔離を保証する独立評価がない。LLM、埋め込み、DB、コンテナの障害対応へ時間を割けない環境では、この構成自体が負担になる。

セルフホストでも送信先と残存データを追う

クラウドLLMや外部の埋め込みサービスを選べば、会話や埋め込み対象の情報が外部へ送られる。検査出力には資格情報が含まれ得るため、送信範囲に加え、保存データ、ログ、バックアップの保護を確認する必要がある。

Graphitiは標準無効のBetaで、追加の推論・埋め込み費用が発生し、アプリ内のグラフ閲覧機能もない。付属HTTP APIには認証層がなく、全Flow検索を使えば他案件の情報を露出させ得る。記憶を豊かにするほど、検索範囲と公開範囲の管理も重要になる。

削除の意味にも注意したい。Flowを削除してもホストのデータディレクトリは残り、手動清掃が必要だ。TENANT_IDはDBスキーマなどを名前空間化するが、DATA_DIRや公開ポートまで分離する設定を代行しない。案件を分ける責任は、アプリ内の識別子だけでは完結しない。

このツールから考える

ここからは、一次情報と限界を踏まえた編集上の考察です。

PentAGIから考えたいのは、実行を自動化するほど、その周囲の責任が具体化することだ。専門エージェントが既存ツールを呼び、記憶を検索し、人間がFlowへ介入する構造は、作業の中心を個々の操作から判断過程の監督へ移す可能性がある。ただし、その移行には、判断の質だけでなく、実行権限、通信範囲、保存情報の寿命を管理できることが条件になる。

10月5日公開のv2.2.0では隔離の修正が作者から報告されたが、提示された抜粋だけでは詳細を検証できない。この事実は、継続的な改善の報告と、安全性の確認を別々に扱う必要を示す。今後見るべきなのは、自律性をどこまで広げたかに加え、誤った判断を観測し、止め、その影響を限定できる根拠がどこまで示されるかである。

検証に使用した一次情報

DevTool Lensでは、第三者の二次情報やREADMEの宣伝文句に依存せず、以下の公式リポジトリ・ドキュメント・リリース情報を精査して記事を作成しています。