Skip to content
KitploitKITPLOIT
ToolsExploitsBlog
Log in
Einreichen
ToolsExploitsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

FeedsKontaktDatenschutz© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
seclab-taskflow-agent — MCP-fähiges Multi-Agenten-Framework für deklarative, YAML-gesteuerte agentische Workflows, verwendet für KI-gestütztes Code-Auditing, Schwachstellen-Triage und Sicherheitsforschung mit CodeQL-Integration. | Kitploit
Tools/GitHubGitHub/githubsecuritylab/seclab-taskflow-agent
Statische AnalyseSchwachstellenscannerStatische Code-Analyse (SAST)SchwachstellenanalyseCode-AnalyseScripting & AutomatisierungPenetrationstestsDienstprogramme & Frameworks
Maschinelles Lernen
Lernen & Bildung
KI-gestütztes Reverse Engineering
KI-Sicherheit
GitHubgithubsecuritylab/seclab-taskflow-agent

seclab-taskflow-agent

MCP-fähiges Multi-Agenten-Framework für deklarative, YAML-gesteuerte agentische Workflows, verwendet für KI-gestütztes Code-Auditing, Schwachstellen-Triage und Sicherheitsforschung mit CodeQL-Integration.

Repository anzeigen
28742125vor 12 TagenVon Kitploit geprüft
Teilen

GitHub Security Lab Taskflow Agent

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.

Kernkonzepte

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.

Architektur

┌─────────────────────────────────────────────────────┐
│                   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

API-Typen

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 Modell
  • token — Name einer Umgebungsvariable, die den API-Schlüssel enthält

Backends

Der 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):

  1. backend: pro Task im model_settings-Block des jeweiligen Tasks (überschreibt den Wert auf Modellebene für diesen einen Task; siehe _resolve_task_model()).
  2. backend: pro Modell in den model_settings der Modellkonfiguration (ermöglicht gemischte Backends in einem einzigen Taskflow).
  3. backend:-Feld auf oberster Ebene des Modellkonfigurationsdokuments (globaler Standard).
  4. Umgebungsvariable SECLAB_TASKFLOW_BACKEND.
  5. 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

Fehlerübersetzung und Wiederholung

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.

Tool herunterladen

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

Noch keine Beliebtheitsdaten.

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →