MCP-fähiges Multi-Agenten-Framework für deklarative, YAML-gesteuerte agentische Workflows, verwendet für KI-gestütztes Code-Auditing, Schwachstellen-Triage und Sicherheitsforschung mit CodeQL-Integration.
Der Security Lab Taskflow Agent ist ein MCP-fähiges Multi-Agenten-Framework für deklarative, YAML-gesteuerte agentische Workflows.
Er baut auf dem OpenAI Agents SDK auf und verwendet Pydantic zur Grammatikvalidierung sowie Jinja2 zur Template-Darstellung.
Der Taskflow Agent nutzt eine an GitHub Workflows angelehnte YAML-basierte Grammatik, um mit einer Reihe von Agenten eine Abfolge von Aufgaben auszuführen.
Sein Hauptnutzen liegt in einem CLI-Tool, mit dem Benutzer schnell agentische Workflows definieren und skripten können, ohne Code schreiben zu müssen.
Agenten werden über Persönlichkeiten definiert, die eine Aufgabe erhalten, die sie mit einer Reihe von Werkzeugen erledigen.
Agenten können zusammenarbeiten, um Aufgabenfolgen über sogenannte Taskflows abzuschließen.
Eine ausführliche Übersicht über die Taskflow-Grammatik finden Sie hier und Beispiel-Taskflows hier.
┌─────────────────────────────────────────────────────┐
│ CLI (cli.py) │
│ Typer-based entry point: -p, -t, -l, -g, -m, --resume, --lint│
└─────────────────────┬───────────────────────────────┘
│
┌─────────────────────▼───────────────────────────────┐
│ Runner (runner.py) │
│ Taskflow execution loop, model resolution, │
│ template rendering, session checkpointing │
└─────────────────────┬───────────────────────────────┘
│
┌─────────────────────▼───────────────────────────────┐
│ MCP Lifecycle (mcp_lifecycle.py) │
│ Server connection, cleanup, process management │
└─────────────────────┬───────────────────────────────┘
│
┌─────────────────────▼───────────────────────────────┐
│ Agent (agent.py) │
│ TaskAgent wrapper, hooks, OpenAI Agents SDK bridge │
└─────────────────────────────────────────────────────┘
Supporting modules:
models.py — Pydantic v2 grammar models (validation)
session.py — Task-level checkpoint / resume
available_tools.py — YAML resource loader with caching
template_utils.py — Jinja2 template environment
mcp_utils.py — MCP client parameter resolution
mcp_transport.py — MCP transport implementations (stdio, streamable)
mcp_prompt.py — System prompt construction
prompt_parser.py — Legacy prompt argument parser
capi.py — AI API endpoint and token management
path_utils.py — Platform-aware data/log directories
Der Agent unterstützt sowohl die Chat Completions- als auch die Responses-OpenAI-APIs.
Der API-Typ kann global oder pro Modell in einer model_config-Datei konfiguriert werden:
seclab-taskflow-agent:
version: "1.0"
filetype: model_config
api_type: chat_completions # default for all models
models:
gpt_default: gpt-4.1
gpt_responses: gpt-5.1
model_settings:
gpt_responses:
api_type: responses # override for this model
endpoint: https://api.githubcopilot.com
token: CAPI_TOKEN # env var name containing the API key
Pro-Modell kann model_settings Folgendes enthalten:
api_type — "chat_completions" (Standard) oder "responses"endpoint — Überschreibung der API-Basis-URL für dieses Modelltoken — Name einer Umgebungsvariable, die den API-Schlüssel enthältDer Runner kann drei SDKs hinter einer gemeinsamen Schnittstelle ansteuern:
openai_agents (Standard) — das OpenAI Agents Python SDK. Unterstützt
Multi-Personality-Handoffs, sowohl chat_completions als auch responses
als api_type, temperature, parallel_tool_calls,
exclude_from_context sowie MCP über stdio, SSE und streamable HTTP.copilot_sdk — das GitHub Copilot Python SDK. Unterstützt Streaming,
reasoning_effort, MCP über stdio/SSE/HTTP und Berechtigungssteuerung
pro Tool. Das SDK wählt sein eigenes Wire-Protokoll pro Modell, daher wird
das YAML-Feld api_type nicht berücksichtigt; Multi-Personality-Handoffs,
temperature und parallel_tool_calls sind ebenfalls nicht verfügbar.
Taskflows, die nicht unterstützte Felder verwenden, schlagen beim Laden mit
einem BackendCapabilityError fehl, der das betroffene Feld benennt.anthropic_sdk — das Anthropic Python SDK, das die native
Messages API (/v1/messages) ansteuert. Unterstützt Streaming, Tool-Aufrufe
über MCP und adaptives Denken mit konfigurierbarem reasoning.effort
(low, medium, high, max). Handoffs werden nicht unterstützt.
Konzipiert für die Verwendung mit CAPIs Anthropic-Endpunkt; die
Authentifizierung erfolgt über Authorization: Bearer (nicht x-api-key).Auswahlpriorität (von höchster zu niedrigster):
backend: pro Task im model_settings-Block des jeweiligen Tasks (überschreibt
den Wert auf Modellebene für diesen einen Task; siehe _resolve_task_model()).backend: pro Modell in den model_settings der Modellkonfiguration (ermöglicht
gemischte Backends in einem einzigen Taskflow).backend:-Feld auf oberster Ebene des Modellkonfigurationsdokuments
(globaler Standard).SECLAB_TASKFLOW_BACKEND.openai_agents.seclab-taskflow-agent:
version: "1.0"
filetype: model_config
models:
code_analysis: claude-opus-4.7
general_tasks: gpt-5.4-mini
model_settings:
code_analysis:
api_type: messages
backend: anthropic_sdk
reasoning:
effort: high
general_tasks:
api_type: responses
backend: openai_agents
Jeder Backend-Adapter übersetzt seine SDK-nativen Ausnahmen in die neutrale
Hierarchie in sdk/errors.py, sodass der Runner die Wiederholungsrichtlinie anwendet, ohne
irgendein SDK zu importieren. Das Hinzufügen eines Backends bedeutet auch, seine Fehler zu übersetzen;
test_every_backend_adapter_translates_transport_failures erzwingt dies
über die gesamte Registry hinweg.
Transportfehler erfordern eine explizite Behandlung und werden leicht übersehen. Die Vendor-
SDKs umschließen httpx nur um den Aufruf, der die Anfrage sendet, und beim
Streaming kehrt dieser zurück, sobald die Antwort-Header eintreffen, während der Body
danach iteriert wird. Eine Verbindung, die mitten im Body abbricht, tritt daher als
bloßer httpx-Fehler auf, weder in der eigenen Hierarchie des SDK noch in der der
Builtins. sdk/_transport.py zählt die wiederholbaren auf, und jeder Adapter ordnet sie
BackendTransportError zu. Die Menge wird aufgezählt, anstatt
httpx.TransportError pauschal abzufangen, weil LocalProtocolError bedeutet, dass die
Anfrage fehlerhaft war, und UnsupportedProtocol deterministisch ist.
Entdecken Sie die meistgenutzten Tools unserer Community.
Noch keine Beliebtheitsdaten.