← Blog
Bezpieczeństwo11 min czytania

PentAGI — autonomiczne testy penetracyjne w sandboxie Dockera

Autonomiczny agent z zestawem narzędzi ofensywnych zamknięty w piaskownicy Dockera. Ciekawsze od pytania „czy to działa" są dwa inne: pod jakimi warunkami wolno tego użyć i co się stanie, gdy piaskownica przecieknie. Na drugie projekt odpowiada wzorowo.

Idea jest prosta do opisania i niepokojąca do przemyślenia: autonomiczny agent, który sam planuje i wykonuje kolejne kroki testu penetracyjnego, z zawodowym zestawem narzędzi w środku, zamknięty w piaskownicy Dockera.

Pytanie „czy to działa" jest tu najmniej interesujące. Dwa ważniejsze brzmią: pod jakimi warunkami wolno tego użyć oraz co się stanie, gdy autonomiczny agent wyjdzie z piaskownicy. Na drugie z tych pytań projekt odpowiada lepiej, niż spodziewałem się po czymkolwiek w tej kategorii. Na pierwsze nie odpowiada wcale — i od tego zacznę.

Najpierw ramy prawne

Test penetracyjny jest legalny wtedy, gdy jest zamówiony. Cała różnica między pracą specjalisty bezpieczeństwa a przestępstwem sprowadza się do pisemnego upoważnienia od właściciela systemu, z określonym zakresem, oknem czasowym i danymi kontaktowymi na wypadek incydentu. To nie formalność do odhaczenia po fakcie — to jedyna podstawa, na której wolno uruchomić takie narzędzie przeciw czemukolwiek, co nie jest twoje.

W polskim porządku prawnym granicę wyznaczają przepisy Kodeksu karnego o przestępstwach przeciwko ochronie informacji — począwszy od nieuprawnionego dostępu do systemu informatycznego, przez niszczenie i zmianę danych, aż po przepis dotyczący samego przygotowywania i udostępniania narzędzi służących do tych czynów. Nie jest to wpis prawniczy i nie zastępuje porady, ale jedna rzecz jest w tym obszarze pewna: „sprawdzałem tylko, czy się da" nie jest linią obrony. Bez zamówienia i zakresu nie ma legalnego testu, a przy narzędziu działającym autonomicznie dochodzi jeszcze pytanie, kto odpowiada za to, co agent zrobił poza zakresem.

To ostatnie zdanie jest zresztą sedno całej różnicy. Przy ręcznym teście specjalista widzi, gdzie wchodzi. Agent działający sam może wyjść za zakres, bo nikt nie zdefiniował mu granicy w sposób, którego nie da się obejść przypadkiem. Zakres testu musi być więc wymuszony infrastrukturalnie — sieciowo, na poziomie tego, do czego piaskownica ma w ogóle dostęp — a nie tylko wpisany do polecenia dla modelu.

Odnotowuję przy tym rzecz, którą uważam za brak: w dokumentacji projektu nie znalazłem żadnego zastrzeżenia o dozwolonym użyciu. Ani wzmianki o wymaganym upoważnieniu, ani ostrzeżenia o odpowiedzialności. Opis mówi, że narzędzie jest przeznaczone dla specjalistów bezpieczeństwa i badaczy, i na tym poprzestaje. Przy narzędziu tej klasy jedno akapitowe ostrzeżenie na początku pliku README byłoby na miejscu.

Stan projektu, czyli rzecz wymagająca precyzji

vxcontrol/pentagi ma 22 666 gwiazdek, 2998 forków, licencję MIT i napisany jest w Go. Repozytorium powstało 6 stycznia 2025, więc projekt ma niespełna dwa lata.

Tu potrzebna jest jednak większa dokładność niż zwykle, bo obraz jest niejednoznaczny. Gałąź domyślna ma ostatni commit z 6 sierpnia 2026 — czyli sprzed pięciu tygodni. Ostatnie wydanie, v2.1.0, jest z 29 maja 2026, a więc sprzed trzech i pół miesiąca. Same te dwie liczby sugerowałyby projekt zwalniający.

Zajrzałem jednak dalej i obraz się zmienia: otwartych zgłoszeń zmian jest dziesięć, a najnowsze są z września 2026. I nie są to podbicia zależności, choć te też tam leżą. W kolejce czekają: strona ustawień do zarządzania użytkownikami i ich rolami, ogólny dostawca OpenID Connect do jednokrotnego logowania, stabilizacja testów końcowych, tryb deterministycznego wyboru obrazów kontenerów oraz — pozycja, która mnie najbardziej zainteresowała — klasyfikacja poleceń przed ich wykonaniem.

Praca więc trwa, ale nie jest scalana. To stan, który warto znać przed wdrożeniem, bo znaczy dwie rzeczy naraz: wersja, którą pobierzesz, nie zawiera tego, co widzisz w kolejce, a jednocześnie projekt nie jest porzucony. Warto to obserwować przez kilka tygodni, zanim uzna się jedno albo drugie za trwałe.

Odnotuję też, że mechanizm klasyfikacji poleceń przed wykonaniem — a więc dokładnie ta warstwa, która mogłaby wyłapać działanie poza zakresem, zanim się wykona — jest wciąż w kolejce, a nie w wydaniu. Przy narzędziu autonomicznym to najważniejsza pozycja z tej listy.

Co jest w środku

Architektura jest rozbudowana i przemyślana. Najważniejsze elementy:

  • Piaskownica Dockera jako miejsce wykonania wszystkich operacji, z automatycznym doborem obrazu kontenera do zadania.
  • Ponad dwadzieścia zawodowych narzędzi w środku — z tych powszechnie znanych wymieniony jest skaner sieciowy, ramy do eksploitacji i narzędzie do wstrzykiwania zapytań bazodanowych.
  • Zespół wyspecjalizowanych agentów z systemem delegowania zadań — osobno do rozpoznania, osobno do prac programistycznych, osobno do infrastruktury.
  • Pamięć długotrwała przechowująca wyniki i skuteczne podejścia, opcjonalnie rozszerzona o graf wiedzy na bazie Neo4j do śledzenia powiązań semantycznych.
  • Wbudowana przeglądarka i integracje z ośmioma systemami wyszukiwania, w tym z wyszukiwarką publicznych informacji o podatnościach.
  • Trwałe przechowywanie wszystkiego — każde polecenie i jego wynik ląduje w PostgreSQL-u z rozszerzeniem wektorowym.
  • Pełne API w wariancie REST i GraphQL, z uwierzytelnianiem tokenem.
  • Obserwowalność przez Grafanę i Prometheusa oraz osobną integrację do podglądu przebiegów modelu.
  • Ponad dziesięć dostawców modeli, wraz z agregatorami — i, co ważniejsze, obsługa modeli lokalnych.

Dlaczego model lokalny to tu nie ozdoba

Ta ostatnia pozycja zasługuje na osobny akapit, bo w tym zastosowaniu zmienia się z wygody w warunek.

Pomyśl, co trafia do polecenia wysyłanego modelowi w trakcie takiego testu. Nazwy hostów klienta, wersje jego oprogramowania, treść odpowiedzi jego serwerów, a w miarę postępu — lista jego niezałatanych podatności wraz z opisem, jak z nich skorzystać. To najbardziej wrażliwy dokument, jaki w takim projekcie powstaje, i istnieje on w formie strumienia zapytań do zewnętrznego dostawcy.

Jeżeli działasz na zlecenie klienta, prawdopodobnie podpisałeś z nim umowę o poufności, a być może i umowę powierzenia przetwarzania. Wysyłanie tego strumienia do amerykańskiego dostawcy modelu jest decyzją, którą trzeba w tych dokumentach przewidzieć — albo jej nie podejmować.

Dlatego obsługa modeli uruchamianych lokalnie jest tu funkcją kluczową, a nie dodatkiem dla hobbystów. Projekt dostarcza przy tym gotowy opis wdrożenia produkcyjnego z konkretnym modelem otwartym na własnym sprzęcie — czyli nie zostawia tej ścieżki jako teoretycznej możliwości.

Nadzór nad agentami, z uczciwym rachunkiem

Autonomiczny agent ma dwa typowe tryby awarii: kręci się w kółko albo uparcie powtarza podejście, które nie działa. Projekt ma na to warstwę nadzoru i opisuje ją z liczbami, co doceniam.

Monitorowanie wykonania obserwuje wzorce: liczbę identycznych wywołań narzędzia (domyślny próg to pięć) oraz łączną liczbę wywołań (próg dziesięć). Po przekroczeniu wkracza osobny agent doradczy, ocenia, czy praca posuwa się w stronę celu, i proponuje inną strategię. Odpowiedzi narzędzi są wtedy wzbogacane o osobną sekcję z analizą doradcy, obok wyniku pierwotnego.

Planowanie zadań rozkłada zlecenie na od trzech do siedmiu konkretnych kroków przed rozpoczęciem pracy przez agentów wykonawczych — z jawnym celem ograniczenia rozpełzania się zakresu, czyli dokładnie tego problemu, o którym pisałem na początku.

Rzecz, za którą chwalę autorów: podają cenę. Włączenie monitorowania oznacza, jak piszą, dwu- do trzykrotnego wzrostu czasu wykonania i zużycia tokenów, w zamian za dwukrotną poprawę jakości wyników — z podaniem modelu, na którym to zmierzyli. To rzetelniejsze niż zapewnienie, że „poprawia jakość".

Oba mechanizmy są przy tym domyślnie wyłączone i oznaczone jako będące w fazie testów. Zalecane są zwłaszcza przy modelach mniejszych. Warto to wiedzieć, bo domyślna konfiguracja to konfiguracja bez nadzoru.

Sekcja, która ratuje ten projekt

A teraz fragment dokumentacji, który uważam za najlepszy w całym projekcie i który wyróżnia go na tle wszystkiego, co widziałem w tej kategorii.

Wiele scenariuszy pracy wymaga, by agent miał w piaskownicy dostęp do Dockera. Można to zrobić dwoma sposobami i — cytując autorów — różnią się one ostro poziomem ryzyka. Projekt nie poprzestaje na tym stwierdzeniu, ale rozpisuje oba.

Sposób zalecany to skierowanie piaskownic na wydzielony, wzmocniony demon Dockera, dostępny po szyfrowanym połączeniu z weryfikacją certyfikatów. Konfiguracja jest opisana zmienna po zmiennej, a system sam wstrzykuje odpowiednie ustawienia do każdego kontenera roboczego i montuje katalog certyfikatów tylko do odczytu.

Sposób odradzany to zamontowanie gniazda Dockera do kontenera. I tu autorzy piszą rzecz, którą powinien przeczytać każdy, kto kiedykolwiek montował to gniazdo gdziekolwiek: takie rozwiązanie daje autonomicznemu agentowi dostęp do API Dockera na hoście, a to pozwala uruchomić kontener uprzywilejowany, zamontować cały system plików i przejąć kontrolę nad całym węzłem — wraz z samym PentAGI.

Do tego opisany jest drugi, mniej oczywisty tryb awarii: wyścig przy uruchamianiu. Jeśli źródło montowania jeszcze nie istnieje, Docker tworzy w tym miejscu katalog. Po restarcie węzła kontener roboczy może wystartować przed demonem, który miał utworzyć gniazdo — i wtedy w miejscu gniazda leży katalog, a demon nie wystartuje, dopóki ktoś nie usunie go ręcznie.

Konkluzja autorów jest jednoznaczna: gniazda używaj wyłącznie w jednowęzłowych środowiskach rozwojowych, gdzie demon na hoście i tak jest zaufany. To jest dokładnie ten rodzaj uczciwości, którego szukam w projektach dotyczących bezpieczeństwa — nazwanie najgorszego scenariusza własnego rozwiązania, zamiast liczenia, że użytkownik go nie znajdzie.

Warto przy okazji odnotować, że sam instalator wymaga uprawnień do API Dockera — a więc uruchomienia z prawami administratora albo dodania użytkownika do odpowiedniej grupy. To nie jest narzędzie, które postawisz sobie „obok" na współdzielonym serwerze.

Pułapki w jednym miejscu

  • Bez pisemnego upoważnienia i zakresu nie ma legalnego testu. Przy narzędziu autonomicznym zakres wymusza się sieciowo, nie w treści polecenia dla modelu.
  • Dokumentacja nie zawiera zastrzeżenia o dozwolonym użyciu. Nie zwalnia to nikogo z odpowiedzialności — ramy trzeba ustalić samemu.
  • Nie montuj gniazda Dockera poza jednowęzłowym środowiskiem rozwojowym. Autorzy sami opisują, że oddaje to cały węzeł.
  • Nadzór nad agentami jest domyślnie wyłączony i oznaczony jako testowy. Domyślna konfiguracja to konfiguracja bez nadzoru.
  • Nadzór kosztuje dwu- do trzykrotnie więcej czasu i tokenów. Rachunek trzeba wpisać w wycenę zlecenia.
  • Treść zapytań do modelu to lista podatności klienta. Przy dostawcy zewnętrznym wymaga to pokrycia w umowach; alternatywą jest model lokalny.
  • Gałąź domyślna nie była scalana od pięciu tygodni, a ostatnie wydanie ma trzy i pół miesiąca. Praca jest w otwartych zgłoszeniach zmian, nie w wydaniu.
  • Klasyfikacja poleceń przed wykonaniem wciąż czeka w kolejce — czyli warstwa, która mogłaby zatrzymać działanie poza zakresem, nie jest jeszcze dostępna w wydanej wersji.
  • Instalator wymaga wysokich uprawnień do API Dockera. Zaplanuj osobny węzeł.

Podsumowanie

PentAGI jest projektem, który podchodzi do trudnego zadania poważnie i — w części technicznej — z rzadką uczciwością. Jednocześnie jest narzędziem, przy którym decyzja o użyciu jest w dziewięćdziesięciu procentach decyzją organizacyjną i prawną, a nie techniczną.

  • Piaskownica Dockera z automatycznym doborem obrazu i zestawem zawodowych narzędzi.
  • Wielowarstwowy nadzór nad agentami z konfigurowalnymi progami i jawnie podanym kosztem.
  • Ponad dziesięć dostawców modeli, w tym modele uruchamiane lokalnie — co w tym zastosowaniu jest warunkiem, nie wygodą.
  • Pełna obserwowalność i trwały zapis każdego polecenia wraz z wynikiem.
  • Wzorowo opisana izolacja Dockera, z nazwaniem najgorszego scenariusza własnego rozwiązania.
  • Otwarte zgłoszenia zmian ze świeżą pracą — projekt żyje, choć scalanie stanęło.

Licencja to MIT i przy tej kategorii narzędzi wymaga jednego zdania komentarza więcej niż zwykle. MIT nie nakłada na ciebie prawie żadnych obowiązków — ale, co tu istotniejsze, nie nakłada ich też na nikogo innego. Nie ma w niej klauzuli dozwolonego użycia, nie ma ograniczenia do testów autoryzowanych, nie ma żadnego mechanizmu, który powiązałby użycie z upoważnieniem. Licencja mówi tylko, że kod jest dostarczony taki, jaki jest, bez jakiejkolwiek gwarancji, a autorzy nie odpowiadają za nic.

Znaczy to dokładnie tyle: cała odpowiedzialność za to, przeciw czemu uruchomisz to narzędzie i co ono w międzyczasie zrobi, jest twoja — i nie ma dokumentu, który by ją z ciebie zdjął. Przy autonomicznym agencie z zestawem narzędzi ofensywnych to nie jest formalna uwaga na koniec wpisu, ale najważniejsza rzecz do zrozumienia przed pierwszym uruchomieniem. Jeśli twoja firma świadczy usługi testów bezpieczeństwa, to narzędzie warte jest uwagi. Jeśli nie świadczy — nie ma powodu, by stało na twojej infrastrukturze.