
AI रेड-टीम प्लेटफ़ॉर्म। स्वायत्त LLM एजेंट Kali कंटेनर के अंदर शुरू से अंत तक पेनेट्रेशन टेस्ट चलाते हैं और रिपोर्ट लिखते हैं। LangGraph प्लान/एक्ट इंजन, LiteLLM के माध्यम से प्रोवाइडर-अज्ञेय मॉडल, PDF/JSON/SARIF आउटपुट। FastAPI + React।
हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।
अभी तक कोई लोकप्रियता डेटा नहीं है।
AI एजेंट जो पूरा पेनेट्रेशन टेस्ट शुरू से अंत तक चलाते हैं और रिपोर्ट लिखते हैं।
[!WARNING] REDCELL केवल शिक्षा, अनुसंधान, और वैध, अधिकृत सुरक्षा परीक्षण के लिए प्रदान किया गया है। इसका उपयोग केवल उन सिस्टमों के परीक्षण के लिए करें जो आपके स्वामित्व में हैं या जिनके परीक्षण के लिए आपके पास स्पष्ट लिखित अनुमति है, और केवल सहमत दायरे के भीतर। कंप्यूटर सिस्टमों तक अनधिकृत पहुँच या उनमें हस्तक्षेप अज़रबैजान में एक अपराध है (आपराधिक संहिता के अनुच्छेद 271 से 273) और अधिकांश अन्य देशों के कानूनों के अंतर्गत भी। आप इसका उपयोग कैसे करते हैं, और कानून के भीतर रहना, पूरी तरह से आपकी ज़िम्मेदारी है।
REDCELL LLM एजेंटों की एक टीम को एक पेनेटेस्ट के माध्यम से चलाता है। एक ऑर्केस्ट्रेटर एंगेजमेंट की योजना बनाता है और उद्देश्यों को executor एजेंटों को सौंपता है, जो एक Kali कंटेनर के भीतर वास्तविक टूल चलाते हैं और वापस रिपोर्ट करते हैं। आप एक ऑपरेटर कंसोल से रन को देखते और नियंत्रित करते हैं: एक चैट जो ऑर्केस्ट्रेटर को चलाती है, एक लाइव एजेंट ग्राफ और गतिविधि फ़ीड, एजेंट द्वारा संचालित ब्राउज़र का लाइव दृश्य, एजेंट द्वारा पकड़े गए किसी भी रिवर्स शेल पर एक टर्मिनल, और काम पूरा होने पर सौंपने के लिए एक रिपोर्ट।
मॉडल LiteLLM के माध्यम से प्लग करने योग्य हैं, इसलिए आप इसे OpenAI, Anthropic, Google, GLM, DeepSeek, Kimi, एक स्थानीय Ollama, या इसके द्वारा समर्थित किसी भी अन्य चीज़ पर इंगित कर सकते हैं। प्रत्येक रन चलते समय चेकपॉइंट करता है, इसलिए क्रैश या रीस्टार्ट वहीं से शुरू होता है जहाँ उसने छोड़ा था।
run_command किसी भी ऐसी चीज़ को कवर करता है जिसके लिए समर्पित टूल नहीं है।docker exec के माध्यम से एक Kali कंटेनर में चलते हैं। प्रति सत्र localhost या सहेजा गया सर्वर चुनें; एक दूरस्थ सर्वर होस्ट नेटवर्किंग के साथ SSH के माध्यम से वही कंटेनर चलाता है।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
API एजेंट्स नहीं चलाता। यह एक रन को कतार में डालता है, वर्कर उसे निष्पादित करता है, और वर्कर आउटपुट को Redis चैनलों पर प्रकाशित करता है जिन्हें API WebSockets के माध्यम से ब्राउज़र तक रिले करता है।
Python 3.12, FastAPI, async SQLAlchemy + asyncpg, Alembic, arq, LangGraph, LiteLLM, ReportLab, PostgreSQL, Redis, MinIO, asyncssh। फ्रंटएंड: React 18, Vite, TypeScript, Tailwind, TanStack Query, xterm। टूलिंग: Python के लिए uv, फ्रंटएंड के लिए bun।
आपको Docker, uv, और bun की आवश्यकता होगी।
# 1. infrastructure (Postgres, Redis, MinIO)
docker compose -f docker-compose.dev.yml up -d
# 2. Python deps, database, and seed data
uv sync --group live
uv run rc db upgrade
uv run rc seed # admin user, provider catalog, buckets
# 3. copy the env template
cp .env.example .env
# 4. run the three processes (separate terminals)
cd apps/api && uv run uvicorn app.main:app --host 127.0.0.1 --port 8080
cd apps/worker && uv run arq worker.settings.WorkerSettings
cd apps/web && bun install && bun run dev