Penetration testing truyền thống đòi hỏi nhiều thời gian, kinh nghiệm chuyên sâu và sự kiên nhẫn. Với sự bùng nổ của AI agent, câu hỏi đặt ra là: liệu AI có thể tự động hóa phần lớn quy trình pentest phức tạp? PentAGI chính là một câu trả lời đầy tham vọng cho câu hỏi đó — một hệ thống multi-agent AI mã nguồn mở, tự động thực hiện các bước kiểm thử xâm nhập từ trinh sát, phân tích lỗ hổng đến khai thác, tất cả trong môi trường sandbox an toàn.
Với hơn 21.000 stars trên GitHub và cộng đồng đang phát triển nhanh, PentAGI đang thu hút sự chú ý lớn từ giới bảo mật lẫn cộng đồng AI. Dự án kết hợp sức mạnh của các LLM hàng đầu với bộ công cụ pentest chuyên nghiệp, tạo ra một trợ lý bảo mật thực sự thông minh và có khả năng hành động độc lập.
PentAGI là hệ thống multi-agent AI hoàn toàn tự động, có khả năng thực hiện penetration testing phức tạp trong môi trường Docker sandbox cách ly. Dự án hỗ trợ hơn 10 LLM provider (OpenAI, Anthropic, Gemini, Ollama…) và tích hợp sẵn 20+ công cụ bảo mật chuyên nghiệp như nmap, metasploit, sqlmap. Phù hợp cho security engineer, red team và nhà nghiên cứu bảo mật muốn tự động hóa quy trình kiểm thử xâm nhập với sự hỗ trợ của AI.
Thông tin tổng quan
| Repo | vxcontrol/pentagi |
|---|---|
| Stars / Forks | ⭐ 21,915 / 2,904 |
| Ngôn ngữ | Go (62%), TypeScript (35%), Go Template (2%) |
| License | MIT |
| Contributors | 17 |
| Release mới nhất | v2.1.0 |
| Cập nhật cuối | 06/08/2026 |
| Website | https://pentagi.com |
pentagi là gì?
PentAGI (viết tắt của Penetration testing Artificial General Intelligence) là một hệ thống AI agent tự động hóa quy trình kiểm thử xâm nhập (penetration testing). Thay vì pentester phải thao tác thủ công từng bước — quét mạng, tìm lỗ hổng, viết exploit — PentAGI sử dụng kiến trúc multi-agent để phân chia công việc cho các agent chuyên biệt: Researcher (nghiên cứu mục tiêu), Developer (lập kế hoạch tấn công), và Executor (thực thi lệnh). Một Orchestrator tổng điều phối toàn bộ quy trình.
Dự án ra đời từ nhu cầu thực tế: pentest thủ công tốn kém và khó mở rộng, trong khi các công cụ tự động truyền thống thiếu khả năng suy luận và thích ứng. PentAGI giải quyết khoảng trống này bằng cách kết hợp LLM với hơn 20 công cụ bảo mật chuyên nghiệp, chạy hoàn toàn trong Docker sandbox để đảm bảo an toàn. Viết bằng Go (backend) và TypeScript/React (frontend), dự án theo kiến trúc microservices, self-hosted và mã nguồn mở dưới license MIT.
Tính năng chính
- Multi-Agent System với Orchestrator — Hệ thống phân chia công việc cho các agent chuyên biệt (Researcher, Developer, Executor) dưới sự điều phối của Orchestrator, giúp xử lý các tác vụ pentest phức tạp một cách có tổ chức.
- Sandbox Docker cách ly hoàn toàn — Mọi thao tác pentest đều chạy trong môi trường Docker sandbox, đảm bảo không ảnh hưởng đến hệ thống host và cách ly an toàn giữa các phiên làm việc.
- 20+ công cụ bảo mật tích hợp sẵn — Bao gồm nmap, metasploit, sqlmap và nhiều công cụ pentest chuyên nghiệp khác, agent tự động chọn và sử dụng công cụ phù hợp cho từng tình huống.
- Hỗ trợ 10+ LLM provider — Tương thích với OpenAI, Anthropic, Google Gemini, AWS Bedrock, Ollama (local), DeepSeek, Qwen, và nhiều provider khác. Có thể dùng endpoint OpenAI-compatible tùy chỉnh hoặc chạy local với vLLM.
- Smart Memory System với Vector Store — Lưu trữ dài hạn kết quả nghiên cứu, pattern thành công và kinh nghiệm qua các phiên pentest bằng PostgreSQL + pgvector, giúp agent học hỏi và cải thiện theo thời gian.
- Knowledge Graph tùy chọn (Graphiti + Neo4j) — Tích hợp knowledge graph để theo dõi mối quan hệ ngữ nghĩa giữa các phát hiện, nâng cao khả năng hiểu ngữ cảnh của agent.
- Web Intelligence & Search Integration — Tích hợp trình duyệt web (scraper) và nhiều hệ thống tìm kiếm (Tavily, DuckDuckGo, Google, Sploitus, Searxng…) để thu thập thông tin mới nhất về lỗ hổng và kỹ thuật tấn công.
- Monitoring toàn diện — Tích hợp Grafana, Prometheus/VictoriaMetrics, Jaeger (tracing), Loki (logs) và Langfuse (LLM analytics) để giám sát hệ thống và theo dõi hiệu suất AI theo thời gian thực.
Yêu cầu phần cứng & hệ thống
| Thành phần | Yêu cầu |
|---|---|
| CPU | 4+ cores khuyến nghị, do chạy nhiều container Docker đồng thời (ước tính) |
| RAM | 16 GB tối thiểu, 32 GB khuyến nghị nếu chạy kèm Neo4j và monitoring stack (ước tính) |
| GPU/VRAM | Không bắt buộc nếu dùng cloud LLM. Nếu chạy local LLM qua Ollama/vLLM thì cần GPU NVIDIA với 16-24 GB VRAM |
| Ổ cứng | 20+ GB trống cho Docker images, database và logs (ước tính) |
| OS | Linux (khuyến nghị), macOS, Windows với WSL2 |
| Phần mềm nền | Docker, Docker Compose bắt buộc. API key từ ít nhất 1 LLM provider (hoặc Ollama local) |
Cách cài đặt và sử dụng
PentAGI triển khai qua Docker Compose, quy trình khá đơn giản:
Bước 1: Clone repo:git clone https://github.com/vxcontrol/pentagi.gitcd pentagi
Bước 2: Cấu hình biến môi trường — sao chép file .env.example thành .env và điền API key của LLM provider bạn muốn dùng (OpenAI, Anthropic, Ollama…). Cấu hình thêm search API nếu cần (Tavily, Google Custom Search…).
Bước 3: Khởi chạy hệ thống:docker compose up -d
Bước 4: Truy cập giao diện web tại http://localhost (hoặc port được cấu hình). Đăng nhập và bắt đầu tạo flow pentest.
Để chạy với Ollama local, bạn cần cài Ollama riêng và cấu hình endpoint trong file .env. Với monitoring stack (Grafana, Langfuse), sử dụng profile Docker Compose tương ứng.
Phù hợp với ai?
Nên dùng: Security engineer và pentester chuyên nghiệp muốn tự động hóa các bước trinh sát và kiểm thử ban đầu. Red team cần một trợ lý AI để tăng tốc quy trình offensive security. Nhà nghiên cứu bảo mật muốn thử nghiệm khả năng của AI agent trong lĩnh vực pentest. DevSecOps muốn tích hợp kiểm thử bảo mật tự động vào pipeline.
Không nên dùng: Người mới hoàn toàn chưa có kiến thức bảo mật — PentAGI là công cụ hỗ trợ chứ không thay thế kiến thức nền tảng, và kết quả cần được đánh giá bởi người có chuyên môn. Không phù hợp để dùng cho mục đích tấn công bất hợp pháp — dự án chỉ dành cho ethical hacking và kiểm thử có ủy quyền. Cũng chưa phải giải pháp BAS (Breach and Attack Simulation) hoàn chỉnh với chiến dịch tấn công được định nghĩa sẵn.
Ứng dụng thực tế
- Tự động trinh sát mục tiêu: Giao cho PentAGI một IP hoặc domain, hệ thống tự quét port, fingerprint dịch vụ, tìm lỗ hổng tiềm năng và tổng hợp báo cáo.
- Kiểm thử ứng dụng web: Agent tự động phát hiện và thử khai thác các lỗ hổng phổ biến như SQL injection, XSS, directory traversal trên ứng dụng web mục tiêu.
- Nghiên cứu lỗ hổng mới: Kết hợp web intelligence và search integration để thu thập thông tin về CVE mới, tự động tìm kiếm exploit phù hợp từ Sploitus và các nguồn khác.
- Đào tạo và học tập: Security researcher dùng PentAGI để quan sát cách AI tiếp cận một bài toán pentest, từ đó học thêm kỹ thuật và methodology mới.
- Tạo báo cáo pentest tự động: Sau khi hoàn thành kiểm thử, hệ thống tạo báo cáo chi tiết về các lỗ hổng phát hiện được, kèm hướng dẫn khai thác và khuyến nghị khắc phục.
Các repo tương tự đáng chú ý
Gợi ý để so sánh: Các dự án dưới đây cùng chủ đề và nằm trong nhóm có lượng stars nổi bật trên GitHub.
- usestrix/strix ⭐ 55,933 stars · PythonOpen-source AI penetration testing tool to find and fix your app’s vulnerabilities.
- KeygraphHQ/shannon ⭐ 46,961 stars · TypeScriptShannon is an AI pentester for web applications and APIs. It analyzes your source code, identifies attack vectors, and executes real exploits to prove vulnerabilities before they reach production.
- GreyDGL/PentestGPT ⭐ 14,963 stars · PythonAutomated Penetration Testing Agentic Framework Powered by Large Language Models
- apache/caldera ⭐ 7,206 stars · PythonAutomated Adversary Emulation Platform
Đánh giá của danhbaai.com
PentAGI là một trong những dự án AI agent cho penetration testing ấn tượng nhất hiện tại. Kiến trúc multi-agent được thiết kế bài bản với sự phân chia rõ ràng giữa các vai trò (Orchestrator, Researcher, Developer, Executor), kết hợp với memory system và knowledge graph tạo nên một hệ thống có chiều sâu. Việc hỗ trợ hơn 10 LLM provider — bao gồm cả khả năng chạy local với Ollama/vLLM — cho thấy sự linh hoạt cao, không bị lock-in vào một nhà cung cấp nào.
Tuy nhiên, cần thực tế: PentAGI không thể thay thế một pentester giàu kinh nghiệm. Kết quả từ AI agent vẫn cần được xác minh bởi chuyên gia, đặc biệt trong các tình huống phức tạp. Hệ thống cũng khá “nặng” về tài nguyên khi chạy đầy đủ stack (Neo4j, Grafana, Langfuse, ClickHouse…). So với PentestGPT (chủ yếu là chatbot hướng dẫn), PentAGI vượt trội ở khả năng tự thực thi lệnh trong sandbox. So với Nuclei (scanner tự động), PentAGI có lợi thế về suy luận và thích ứng nhưng chậm hơn nhiều.
Nhìn chung, PentAGI đáng để thử nếu bạn là security professional muốn khám phá tiềm năng của AI trong offensive security. Dự án đang phát triển nhanh, cộng đồng tích cực, và license MIT cho phép sử dụng tự do. Đây là một công cụ bổ trợ mạnh mẽ, không phải giải pháp thay thế hoàn toàn cho con người.
- Kiến trúc multi-agent bài bản, phân chia vai trò rõ ràng giữa các agent chuyên biệt
- Hỗ trợ 10+ LLM provider bao gồm cả local deployment với Ollama/vLLM
- Môi trường sandbox Docker cách ly an toàn, không ảnh hưởng hệ thống host
- Tích hợp sẵn 20+ công cụ pentest chuyên nghiệp (nmap, metasploit, sqlmap…)
- Monitoring stack toàn diện với Grafana, Langfuse, Jaeger
- Mã nguồn mở MIT, self-hosted, kiểm soát hoàn toàn dữ liệu
- Yêu cầu tài nguyên cao khi chạy đầy đủ stack (nhiều container Docker đồng thời)
- Kết quả AI agent cần được xác minh bởi chuyên gia, chưa thể tin tưởng hoàn toàn
- Chưa phải giải pháp BAS hoàn chỉnh, không có chiến dịch tấn công định nghĩa sẵn
- Cấu hình ban đầu phức tạp với nhiều biến môi trường và service phụ thuộc
- Hiệu quả phụ thuộc nhiều vào chất lượng LLM được sử dụng
Câu hỏi thường gặp
PentAGI có thể thay thế pentester chuyên nghiệp không?
Có thể chạy PentAGI hoàn toàn offline không?
PentAGI có hợp pháp để sử dụng không?
LLM provider nào cho kết quả tốt nhất với PentAGI?
PentAGI khác gì so với PentestGPT?
Nguồn: github.com/vxcontrol/pentagi — Bài phân tích bởi danhbaai.com.
