Skip to content
KitploitKITPLOIT
HerramientasExploitsBlog
Log in
Enviar
HerramientasExploitsBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

FeedsContactoPrivacidad© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
seclab-taskflow-agent — Framework multiagente con soporte MCP para flujos de trabajo agénticos declarativos basados en YAML, utilizado para auditoría de código asistida por IA, triaje de vulnerabilidades e investigación de seguridad con integración de CodeQL. | Kitploit
Herramientas/GitHubGitHub/githubsecuritylab/seclab-taskflow-agent
Análisis EstáticoEscáneres de VulnerabilidadesAnálisis Estático de Código (SAST)Análisis de VulnerabilidadesAnálisis de CódigoScripting y AutomatizaciónPruebas de PenetraciónUtilidades y Frameworks
Aprendizaje Automático
Aprendizaje y Educación
Reversing Asistido por IA
Seguridad de IA
GitHubgithubsecuritylab/seclab-taskflow-agent

seclab-taskflow-agent

Framework multiagente con soporte MCP para flujos de trabajo agénticos declarativos basados en YAML, utilizado para auditoría de código asistida por IA, triaje de vulnerabilidades e investigación de seguridad con integración de CodeQL.

Ver Repositorio
28742125hace 11 díasRevisado por Kitploit
Compartir

Agente Taskflow de GitHub Security Lab

El Agente Taskflow de Security Lab es un framework multiagente con soporte MCP para flujos de trabajo agénticos declarativos basados en YAML.

Construido sobre el OpenAI Agents SDK, utiliza Pydantic para la validación de gramática y Jinja2 para el renderizado de plantillas.

Conceptos básicos

El Agente Taskflow aprovecha una gramática basada en YAML al estilo de GitHub Workflow para realizar una serie de tareas utilizando un conjunto de Agentes.

Su principal propuesta de valor es como herramienta CLI que permite a los usuarios definir y programar rápidamente flujos de trabajo agénticos sin tener que escribir ningún código.

Los Agentes se definen mediante personalidades, que reciben una tarea a completar, con un conjunto de herramientas.

Los Agentes pueden cooperar para completar secuencias de tareas mediante los denominados taskflows.

Puedes encontrar una descripción detallada de la gramática de taskflow aquí y ejemplos de taskflows aquí.

Arquitectura

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

Tipos de API

El agente admite tanto la API Chat Completions como la API Responses de OpenAI. El tipo de API se puede configurar de forma global o por modelo en un archivo model_config:

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

Los model_settings por modelo pueden incluir:

  • api_type — "chat_completions" (predeterminado) o "responses"
  • endpoint — anulación de la URL base de la API para este modelo
  • token — nombre de una variable de entorno que contiene la clave de API

Backends

El runner puede controlar tres SDK tras una interfaz común:

  • openai_agents (predeterminado) — el SDK de Python de OpenAI Agents. Admite traspasos entre múltiples personalidades, tanto chat_completions como responses api_type, temperature, parallel_tool_calls, exclude_from_context, y MCP sobre stdio, SSE y HTTP transmitible.
  • copilot_sdk — el SDK de Python de GitHub Copilot. Admite streaming, reasoning_effort, MCP sobre stdio/SSE/HTTP, y control de permisos por herramienta. El SDK selecciona su propio protocolo de comunicación por modelo, por lo que el campo api_type del YAML no se respeta; los traspasos entre múltiples personalidades, temperature y parallel_tool_calls tampoco están disponibles. Los taskflows que usan campos no admitidos fallan en tiempo de carga con un BackendCapabilityError que nombra el campo infractor.
  • anthropic_sdk — el SDK de Python de Anthropic, que controla la API nativa Messages (/v1/messages). Admite streaming, llamadas a herramientas mediante MCP, y pensamiento adaptativo con reasoning.effort configurable (low, medium, high, max). No se admiten traspasos. Diseñado para usarse con el endpoint de Anthropic de CAPI; la autenticación usa Authorization: Bearer (no x-api-key).

Precedencia de selección (de mayor a menor):

  1. backend: por tarea en el bloque model_settings de la propia tarea (anula el valor a nivel de modelo para esa tarea concreta; véase _resolve_task_model()).
  2. backend: por modelo en el model_settings de la configuración del modelo (permite backends mixtos en un único taskflow).
  3. Campo backend: en el nivel superior del documento de configuración del modelo (valor predeterminado global).
  4. Variable de entorno 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

Traducción de errores y reintentos

Cada adaptador de backend traduce sus excepciones nativas del SDK a la jerarquía neutral en sdk/errors.py, de modo que el runner aplica la política de reintentos sin importar ningún SDK. Añadir un backend implica también traducir sus errores; test_every_backend_adapter_translates_transport_failures lo verifica en todo el registro.

Los fallos de transporte requieren un manejo explícito y son fáciles de pasar por alto. Los SDK de los proveedores envuelven httpx solo alrededor de la llamada que envía la solicitud, y con streaming esta retorna cuando llegan las cabeceras de la respuesta, mientras que el cuerpo se itera después. Por lo tanto, una conexión que muere a mitad del cuerpo se manifiesta como un error httpx sin envolver, que no pertenece ni a la jerarquía propia del SDK ni a las excepciones integradas. sdk/_transport.py enumera los que son reintentables, y cada adaptador los mapea a BackendTransportError. El conjunto se enumera en lugar de capturar httpx.TransportError en su totalidad, porque LocalProtocolError significa que la solicitud estaba mal formada y UnsupportedProtocol es determinista.

Descargar herramienta

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 El kit de herramientas OSINT definitivo: grafo de investigación, puntuación de confianza, familias de alias, mapa, línea de tiempo e informes. 49 módulos, más de 400 sitios, sin necesidad de claves API.

    530
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Aplicación de Ejecución con un Solo Toque GhostLock (CVE-2026-43499)

    479
  • 3

    ARTEX

    baarai/artex

    Plataforma de pruebas de penetración autónoma multiagente basada en LLM con agentes planificadores/trabajadores, grafos de activos y de exploración, registro de tráfico MITM y reevaluación de vulnerabilidades.

    369
  • 4

    redforge

    cybersecurity91/redforge

    Kit de herramientas de red team del lado del navegador con 102 herramientas offline para reconocimiento, generación de payloads, ataques de credenciales, criptografía, codificación y elaboración de informes de compromiso.

    319
  • 5

    estorides

    grisuno/estorides

    Agrega más de 99 fuentes OSINT gratuitas en paralelo, resuelve entidades en un grafo de conocimiento y exporta STIX 2.1, MISP o GraphML con análisis asistido por LLM.

    294
  • 6

    opencti

    opencti-platform/opencti

    Plataforma abierta de inteligencia de amenazas cibernéticas

    266

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →