零代碼整合四開源專案 × Hades 多面向平行資安分析 OpenCode · oh-my-openagent · Ghidra-MCP · VulnClaw
作者: [姓名] · 學號: [學號] · 指導教授: [教授] · 課程: [課程名稱] · 國立臺灣師範大學
- 一句話主張: 讓 AI Agent 成為資安分析的統一入口,使用者用自然語言描述意圖,Agent 自動編排工具鏈與知識庫,完成從偵察到報告的完整流程。
- 怎麼做: 以 OpenCode 為引擎、oh-my-openagent 為編排層、VulnClaw 為資安知識庫、Ghidra-MCP 為逆向工程工具,完全透過 config 整合。
- 核心創新: 新增 Hades 資安專屬 primary agent,同時 spawn 多個 subagent 各自帶不同 skill 組合平行分析,讓通用 Agent 在接收任務時動態獲得領域專業能力。
- 模型選擇: 主力採用 GLM-5.1(SWE-Bench Pro 58.4%、CyberGym 68.7% 開源最強),也支援任何配置，透過 Category 系統讓不同子任務自動路由到最適合的 LLM。
| 痛點 | 說明 |
|---|---|
| 🔧 工具碎片化 | 逆向工程(Ghidra)、滲透測試(各種框架)、漏洞分析(CVE 資料庫)各自獨立,分析師需手動切換、複製貼上 |
| 📚 知識孤島 | 資安知識分散在不同的 skill、playbook 與參考文件中,AI Agent 難以有效利用 |
| 🧠 單一模型限制 | 單一 LLM 無法同時擅長邏輯推理、程式碼分析、安全評估等所有面向 |
| 🌀 缺乏編排能力 | 現有工具缺乏多 Agent 協作機制,無法平行執行不同面向的分析 |
Hades 是本專案透過 config 新增的資安專屬 primary agent。核心能力在於同時分派多個 subagent 執行不同面向的分析,每個 subagent 獨立載入不同的 skill 組合,平行推進互不阻塞。
graph TD
Input["Hades 收到分析任務"]
Input -->|"task(category='deep',<br/>load_skills=['vuln-discovery'])"| J1["Sisyphus-Junior #1<br/>深度自動化安全掃描"]
Input -->|"task(category='deep',<br/>load_skills=['pentest-flow'])"| J2["Sisyphus-Junior #2<br/>滲透測試流程執行"]
Input -->|"task(category='deep',<br/>load_skills=['exploitation'])"| J3["Sisyphus-Junior #3<br/>漏洞利用與 PoC 構造"]
Input -->|"task(subagent_type='explore',<br/>load_skills=['web-security-advanced'])"| E["Explore<br/>搜尋注入點模式"]
Input -->|"task(subagent_type='librarian',<br/>load_skills=['pentest-tools'])"| L["Librarian<br/>搜尋外部 CVE 與工具"]
J1 --> S["🔄 Hades 匯整結果"]
J2 --> S
J3 --> S
E --> S
L --> S
S --> R["📄 產生完整安全分析報告"]
設計精髓: 不是為每個分析面向建立專門的 Agent,而是讓通用 Agent 在接收任務時動態獲得領域知識;Sisyphus-Junior 並非單例,每次
task(category=...)都會 spawn 獨立 session,因此可同時開啟多個 Junior 以不同 skill 組合平行工作。
| 專案 | 角色 | 整合方式 | 關鍵能力 |
|---|---|---|---|
| ⚙️ OpenCode | 基礎引擎 | 直接使用 | LLM 對話迴圈、工具系統、MCP 客戶端、Plugin API |
| 🧩 oh-my-openagent | 編排層 Plugin | 直接使用 + 新增 Hades agent | 多 Agent 協作、Skill 系統、54+ lifecycle Hooks |
| 🔧 Ghidra-MCP | 逆向工程工具 | 透過 skill_mcp 嵌入 | 249 個 binary 分析工具(反編譯、call graph、IOC 提取) |
| 📚 VulnClaw | 資安知識庫 | 21 個 skill 作為 Hades 專屬 skill 來源 | 21 個 skill、180 份參考文件、覆蓋完整 pentest 生命週期 |
整合協定 — MCP (Model Context Protocol): 開放標準,讓 AI 應用透過統一協定連接外部工具與資料來源,支援 stdio / SSE / Streamable HTTP 三種傳輸。Ghidra-MCP 透過它暴露 249 個分析工具,VulnClaw skill 則可攜帶自己的 MCP server。
Layer 4 是 Hades 戰力的來源:VulnClaw 提供 21 個 skill × 180 份參考文件構成的資安知識庫,Ghidra-MCP 提供 249 個逆向工程工具構成的分析能力。兩者皆透過 oh-my-openagent 的 skill 系統嵌入 Hades 專屬使用。
7 個核心 skill(覆蓋完整 pentest 生命週期):
| Skill | 用途 |
|---|---|
pentest-flow |
全流程編排(偵察→發現→利用→後滲透→報告) |
recon |
被動 + 主動偵察 |
vuln-discovery |
漏洞掃描(CVE、SQLi、XSS、SSRF 等) |
exploitation |
漏洞利用(PoC 構造、WAF bypass) |
post-exploitation |
後滲透(提權、橫向移動) |
reporting |
結構化報告 + Python PoC 生成 |
waf-bypass |
WAF 繞過技巧庫 |
14 個特化 skill(共 180 份參考文件,漸進式載入):
| Skill | 參考文件 | 用途 |
|---|---|---|
secknowledge-skill |
39 | Web + AI 安全知識庫(WooYun、先知、GAARM、OWASP) |
web-security-advanced |
34 | 24 個 playbook(SQLi、XSS、SSRF、SSTI、XXE 等) |
client-reverse |
20 | 客戶端逆向(Android/Browser/Desktop) |
pentest-tools |
18 | 14 類工具速查 |
intranet-pentest-advanced |
15 | 內網滲透(AD、ADCS、憑證竊取) |
ctf-web |
9 | CTF Web 攻擊知識 |
android-pentest |
9 | Android APK 滲透 |
osint-recon |
7 | OSINT 四維模型 |
ai-mcp-security |
7 | AI/MCP 安全測試 |
ctf-crypto |
6 | 密碼學攻擊 |
ctf-misc |
6 | CTF 雜項 |
web-pentest |
4 | Web 滲透基本 |
crypto-toolkit |
3 | 編解密工具(29 種操作) |
rapid-checklist |
3 | 快速 Payload 速查 |
Skill 專屬限制: 透過 SKILL.md frontmatter 的
agent: hades欄位,這 21 個 skill 僅 Hades 及其委派的 subagent 可載入,其他 primary agent(如 Sisyphus)看不到也用不了。
三層架構將 Ghidra 的逆向能力暴露給 AI Agent:
graph LR
Agent["AI Agent (Hades)"] -->|"MCP Protocol (stdio)"| Bridge["Python Bridge<br/>(FastMCP)"]
Bridge -->|"HTTP REST (localhost:8089)"| Plugin["Ghidra Plugin<br/>(Java 21)"]
Plugin -->|"Ghidra API"| Engine["Binary Analysis"]
249 個工具依職責分類(精選 6 大類,完整共 13 類):
| 類別 | 數量 | 功能 |
|---|---|---|
| 函數分析 | ~30 | 反編譯、call graph、xrefs、完整度評分、相似度比對 |
| 資料型別 | ~28 | struct/union/enum CRUD、匈牙利命名 |
| Bridge 管理 | ~28 | instance 管理、connect/disconnect、debugger proxy |
| 動態分析 | ~25 | P-code 模擬、live debugger(gdb / lldb / dbgeng) |
| 符號與標籤 | ~15 | imports、exports、strings、標籤 CRUD |
| 安全分析 | ~5 | 惡意行為偵測、IOC 提取、API 呼叫鏈分析、反分析偵測 |
嵌入式整合: 透過 skill_mcp 機制,Ghidra-MCP server 在 Hades 載入含此 MCP 的 skill 時自動啟動(stdio transport),session 結束自動清理,以
sessionID:skillName:serverName為 key 隔離確保並行安全。
Skill 是 Markdown 格式的可攜式指令集,透過 load_skills 機制,Hades 在委派任務時可將資安 skill 動態注入 subagent 的 system prompt:
sequenceDiagram
participant H as Hades
participant SR as skill-resolver
participant SM as Skill Manager
participant Sub as Subagent (e.g. Sisyphus)
H->>SR: task(load_skills=["pentest-flow"])
SR->>SM: getAllSkills() 合併 discovered + built-in
SM-->>SR: skill 列表
SR->>SR: matchSkillByName("pentest-flow")
SR->>SR: isSkillAllowedForTargetAgent()
SR->>SM: extractSkillTemplate() 讀取 SKILL.md
SM-->>SR: skill 內容
SR->>Sub: 注入到 subagent 的 system prompt
Note over Sub: 以資安角度執行任務
漸進式載入(Progressive Disclosure): Agent 啟動時只看到 skill 名稱與描述(極少 context);需要時才載入完整 SKILL.md;更深層的 180 份參考文件只在 Agent 主動讀取時才進入 context。
graph TD
subgraph LV1["Level 1 — 頂層 Orchestrator"]
Sisyphus["Sisyphus<br/>主控 orchestrator"]
Hephaestus["Hephaestus<br/>自主深度工作"]
Prometheus["Prometheus<br/>策略規劃"]
Atlas["Atlas<br/>Todo 編排"]
Hades["★ Hades<br/>資安分析(本專案新增)"]
end
subgraph LV2["Level 2 — Sisyphus-Junior"]
Junior["Sisyphus-Junior<br/>分類委派執行器<br/>(每次 task spawn 獨立 session)"]
end
subgraph LV3["Level 3 — 諮詢型 Subagent"]
Oracle["Oracle<br/>唯讀架構顧問"]
Metis["Metis<br/>缺口分析"]
Momus["Momus<br/>計畫審查"]
end
subgraph LV4["Level 4 — 終端型 Subagent"]
Explore["Explore<br/>codebase grep"]
Librarian["Librarian<br/>文件/OSS 搜尋"]
Looker["Multimodal-Looker<br/>PDF/圖片分析"]
end
LV1 -->|"task(subagent_type / category)"| LV2
LV1 -->|"task(subagent_type)"| LV3
LV2 -->|"call_omo_agent"| LV4
LV1 -->|"task / look_at"| LV4
classDef hadeStyle fill:#fff3a8,stroke:#d4a017,stroke-width:2px,font-weight:bold
class Hades hadeStyle
階層規則: 每一層只能向下調用,不可逆向委派。
GLM-5.1 是智譜 AI (Z.AI) 2026 年 4 月發布的 754B MoE 開源模型(MIT 授權),在軟體工程與資安基準測試中表現突出。
CyberGym 排行榜(節錄前 10 名,來源 cybergym.io、論文 arXiv:2506.02548):
| # | Agent | Model | Success Rate | 類型 |
|---|---|---|---|---|
| 1 | MDASH | Multi-model | 88.4% | 閉源 |
| 2 | Anthropic Agent | Claude Mythos Preview | 83.1% | 閉源 |
| 3 | OpenAI Agent | GPT-5.5 | 81.8% | 閉源 |
| 4 | OpenAI Agent | GPT-5.4 | 79.0% | 閉源 |
| 5 | Claude Code | 🟢 GLM-5.1 | 68.7% | 開源 #1 |
| 6 | Anthropic Agent | Claude Opus 4.6 | 66.6% | 閉源 |
| 7 | Codex CLI | GPT-5.4 | 66.3% | 閉源 |
| 8 | Anthropic Agent | Claude Sonnet 4.6 | 65.2% | 閉源 |
選擇理由:
- CyberGym 開源最強 — 在 1,507 個真實漏洞場景中超越同為開源的 GLM-5(+20.4 分)、Kimi K2.5(41.3%),且唯一超越部分閉源模型(超越 Claude Opus 4.6 的 66.6%)。
- SWE-Bench Pro 58.4% — 軟體工程能力是資安分析的基礎,理解程式碼結構、追蹤資料流、定位漏洞都依賴強大的程式碼理解。
- MIT 開源授權 — 可自由部署、修改、商用,無閉源模型的法律與供應商鎖定風險。
- 成本優勢 — API 定價 $1.40/$4.40 per M tokens,僅 Claude Opus 4.6($5.00/$25.00)的 1/7。
多模型協作: 不同 Agent 依任務特性使用不同 LLM(Hades → GLM-5.1 資安主力;Oracle → GPT-5.5 高推理顧問;Explore → gpt-5.4-mini-fast 快速 grep),透過 Category 系統讓 task(category="deep") 自動選模,無需手動指定。
使用者交付一個 binary 檔案,Hades 自動完成從逆向到報告的全流程:
sequenceDiagram
participant User as 使用者
participant H as Hades
participant MCP as Ghidra-MCP
participant O as Oracle
participant E as Explore
User->>H: 分析這個 binary 的安全性
H->>H: 載入 vuln-discovery skill
H->>MCP: skill_mcp 啟動 Ghidra-MCP
Note over MCP: 249 個分析工具自動可用
H->>MCP: decompile_function + call graph
par 平行委派(同時進行)
H->>O: task(load_skills=["secknowledge-skill"])<br/>評估架構安全性
O-->>H: 安全性評估報告
and
H->>E: task(load_skills=["pentest-tools"])<br/>搜尋惡意模式
E-->>H: 惡意模式搜尋結果
end
H->>H: 匯整:靜態分析 + 安全評估 + 模式搜尋
H-->>User: 完整安全分析報告
其他支援場景: Web 應用滲透測試( pentest-flow skill)、自主攻擊與報告生成(category="deep" 自主循環)、CTF Challenge 解題(ctf-web + web-security-advanced 雙 skill)。
| 貢獻 | 說明 |
|---|---|
| 🔌 零代碼架構整合 | 不修改任何原始碼,純 config 完成四個開源專案的組合 |
| 🎓 動態知識傳遞 | 「通用 Agent + 領域 Skill 注入」模式,Subagent 在接收任務時動態獲得資安能力 |
| ⚡ 多面向平行分析 | 同時 spawn 多個 Subagent 以不同 Skill 組合平行分析,互不阻塞 |
| 🔧 統一工具介面 | MCP 協定整合 Ghidra 249 個逆向工程工具,AI Agent 可直接操作專業級 binary 分析 |
- 整合 VulnClaw 的 12 個 MCP server(chrome-devtools、burp、frida 等)到 skill_mcp
- 利用 oh-my-openagent 的 Team Mode,讓 Hades 作為 lead agent 帶領多個資安專門成員平行分析
- 建立 CTF / 靶場自動化測試 pipeline,驗證 Hades 分析準確性
- 整合 OWASP、MITRE ATT&CK 等外部知識庫
- 分析完成後自動產生結構化資安報告
四個開源專案:
| 專案 | GitHub | 授權 |
|---|---|---|
| OpenCode | anomalyco/opencode | MIT |
| oh-my-openagent | code-yeongyu/oh-my-openagent | SUL-1.0 |
| Ghidra-MCP | bethington/ghidra-mcp | Apache 2.0 |
| VulnClaw | Unclecheng-li/VulnClaw | MIT |
模型與基準測試:
- GLM-5.1 官方部落格 — z.ai/blog/glm-5.1
- CyberGym Leaderboard — cybergym.io/#benchmarks
- CyberGym 論文 — arXiv:2506.02548
- SWE-Bench Pro 排行榜 — swebench.com
協定與規範:
- Model Context Protocol (MCP) — modelcontextprotocol.io
- Agent Skills 規範(可攜式 Markdown 指令集)
本專案完整報告:
- 期末報告主體 —
report/report.md - 系統架構詳細文件 —
report/architecture.md