
KI-Red-Team-Plattform. Autonome LLM-Agenten führen einen Penetrationstest Ende-zu-Ende in einem Kali-Container durch und verfassen den Bericht. LangGraph-Plan/Act-Engine, anbieterunabhängige Modelle über LiteLLM, PDF/JSON/SARIF-Ausgabe. FastAPI + React.
KI-Agenten, die einen Penetrationstest von Anfang bis Ende durchführen und den Bericht schreiben.
[!WARNING] REDCELL wird ausschließlich für Bildung, Forschung und rechtmäßige, autorisierte Sicherheitstests bereitgestellt. Verwende es nur zum Testen von Systemen, die dir gehören oder für die du eine ausdrückliche schriftliche Genehmigung zum Testen hast, und nur innerhalb eines vereinbarten Umfangs. Unbefugter Zugriff auf Computersysteme oder unbefugte Eingriffe in solche sind in Aserbaidschan (Strafgesetzbuch, Artikel 271 bis 273) und nach den Gesetzen der meisten anderen Länder eine Straftat. Wie du es verwendest und ob du dich im Rahmen des Gesetzes bewegst, liegt ganz allein in deiner Verantwortung.
REDCELL führt ein Team von LLM-Agenten durch einen Pentest. Ein Orchestrator plant den Auftrag und übergibt Ziele an Executor-Agenten, die echte Tools in einem Kali-Container ausführen und Bericht erstatten. Du beobachtest und steuerst den Lauf über eine Betreiberkonsole: ein Chat, der den Orchestrator steuert, ein Live-Agenten-Graph und Aktivitäts-Feed, eine Live-Ansicht des Browsers, den der Agent steuert, ein Terminal auf jeder Reverse Shell, die der Agent abfängt, und ein Bericht, den du am Ende der Arbeit übergibst.
Modelle sind über LiteLLM austauschbar, sodass du es auf OpenAI, Anthropic, Google, GLM, DeepSeek, Kimi, ein lokales Ollama oder alles andere richten kannst, das es unterstützt. Jeder Lauf wird fortlaufend mit Checkpoints gesichert, sodass ein Absturz oder Neustart dort fortsetzt, wo er aufgehört hat.
run_command deckt alles ab, wofür es kein dediziertes Tool gibt.docker exec. Wähle pro Sitzung localhost oder einen gespeicherten Server; ein Remote-Server führt denselben Container über SSH mit Host-Networking aus.flowchart LR
UI["Operator console<br/>React + Vite"] -->|REST + WebSocket| API["FastAPI"]
API --> PG[(PostgreSQL)]
API --> RS[(Redis<br/>pub/sub + queue)]
API --> S3[(MinIO<br/>files & reports)]
RS --> W["Worker (arq)"]
W --> ENG["Engine<br/>LangGraph + LiteLLM"]
ENG -->|docker exec| KALI["Kali container<br/>local or remote over SSH"]
KALI --> TGT["Targets"]
W -->|events / chat / shell| RS
RS -->|stream| API
Die API führt keine Agenten aus. Sie stellt einen Lauf in die Warteschlange, der Worker führt ihn aus, und der Worker veröffentlicht die Ausgabe auf Redis-Kanälen, die die API über WebSockets an den Browser weiterleitet.
Python 3.12, FastAPI, async SQLAlchemy + asyncpg, Alembic, arq, LangGraph, LiteLLM, ReportLab, PostgreSQL, Redis, MinIO, asyncssh. Frontend: React 18, Vite, TypeScript, Tailwind, TanStack Query, xterm. Tooling: uv für Python, bun für das Frontend.
Sie benötigen Docker, uv und bun.
# 1. infrastructure (Postgres, Redis, MinIO)
docker compose -f docker-compose.dev.yml up -d