Skip to content
KitploitKITPLOIT
도구익스플로잇블로그
Log in
제출
도구익스플로잇블로그
제출

해킹, 침투 테스트 및 사이버 보안 도구를 당신의 보안 무기고에!

Kitploit은 해킹, 사이버 보안 및 침투 테스트 도구 디렉토리입니다. 최신 프로젝트 업데이트를 발견하여 취약점을 찾고, 시스템을 분석하고, 테스트를 자동화하고, 보안을 강화하세요.

피드문의개인정보© 2026 Kitploit

도구 디렉토리

카테고리

모든 카테고리 보기
Loading categories
AMBER-ICI — AMBER ICI v5: 사건 범위 증거, 에이전트 체인, 하이브리드 검색, 스트리밍 분석, 그래프 및 타임라인 뷰, OCR, 통제된 웹 조사, GPU 텔레메트리를 갖춘 로컬 우선 Ollama 수사 지휘 센터입니다. | Kitploit
도구/GitHubGitHub/gs-ai/amber-ici
OSINT (Open Source Intelligence)Scripting & AutomationForensicsInformation GatheringDigital ForensicsPrivacyUtilities & FrameworksThreat IntelligenceMachine LearningLearning & EducationAI SecurityLabs & Practice
198421개월 전아직 검토되지 않음

인기

모두 보기 →

커뮤니티에서 가장 많이 사용되는 도구를 찾아보세요.

모든 도구 탐색

도구 컬렉션을 둘러보세요

모든 도구 보기 →
공유
GitHubgs-ai/amber-ici

AMBER-ICI

AMBER ICI v5: 사건 범위 증거, 에이전트 체인, 하이브리드 검색, 스트리밍 분석, 그래프 및 타임라인 뷰, OCR, 통제된 웹 조사, GPU 텔레메트리를 갖춘 로컬 우선 Ollama 수사 지휘 센터입니다.

저장소 보기

AMBER ICI 인터페이스 배너

AMBER ICI v5

AMBER ICI(AMBER Investigative Command Interface)는 로컬 Ollama 서버로 구동되는 조사 및 분석 워크플로를 위한 로컬 우선 브라우저 인터페이스입니다.

포함된 기능:

  • 단일 모델 Analyst Console 및 다중 모델 Parallel 실행
  • 메인 터미널의 SEND 버튼으로 구동되는 사용자 정의 에이전트 체인
  • 어떤 에이전트가 실행되는지, 몇 개가 실행되는지, 몇 번 반복되는지, 각 에이전트가 어떤 로컬 모델을 사용하는지에 대한 사용자 제어
  • 평이한 언어로 된 목표로부터 에이전트 구성을 로컬 모델로 생성
  • Ollama 임베딩으로 뒷받침되는 영구 시맨틱 Archive
  • 활성 파일 컨텍스트를 위한 피보나치 프랙탈 검색
  • 파일 업로드, 읽기 전용 연결 디렉터리 접근, 텍스트 추출 및 OCR
  • 단일 마스터 스위치 뒤에 있는 선택적 Playwright 기반 웹 가져오기 및 공공 기록 검색
  • 독립형 엔티티 그래프, 타임라인 및 벡터 저장소 뷰
  • 사용 가능한 경우 로컬 토큰 속도, 세션, GPU/VRAM 및 온도 텔레메트리

Ollama 추론은 UI에 의해 루프백 엔드포인트(127.0.0.1, localhost 또는 ::1)로 제한됩니다. AMBER는 클라우드 추론이나 애플리케이션 텔레메트리를 포함하지 않으며, 어떤 기능도 로그인, API 키 또는 계정을 요구하지 않습니다. WEB 필은 모든 인터넷 접근을 위한 마스터 스위치입니다. 이 필이 OFF인 상태에서는 AMBER가 어떤 종류의 아웃바운드 요청도 하지 않습니다.

v5 하이라이트

  • 사건 범위로 제한된 증거 및 Archive 검색을 갖춘 로컬 사건 워크스페이스
  • 스트리밍 SHA-256 아티팩트 식별, 수집 출처, 중복 탐지 및 출처 인용
  • 기존 시맨틱 Archive 결과와 융합된 결정적 키워드 검색
  • 세션, 조사관, 사건, 에이전트 또는 추론 작업에 범위가 지정된 명시적이고 제한된 메모리
  • 설치된 로컬 Ollama 모델을 사용하는 운영자 선택 조사 역할 템플릿
  • 에이전트별 모델, 제한, 형식, 핸드오프 및 루프 제어를 갖춘 메인 터미널에서의 에이전트 실행
  • Playwright WEB 사전 점검, 가시적 실행 진단, 직접 가져오기 폴백 및 1시간 로컬 캐싱
  • Metal, CUDA, ROCm, 통합 메모리, 활용률 및 온도 보고를 갖춘 캐시된 하드웨어 탐지
  • 반응형 장문 출력을 위한 병합된 스트리밍 업데이트
  • 제한된 영속 메타데이터, 이스케이프된 생성 UI 콘텐츠, 재현 가능한 Node 의존성 및 확장된 민감 런타임 제외

현재 기능 세트

Analyst Console

  • 선택된 하나의 Ollama 모델과 대화를 스트리밍합니다
  • 시스템 프롬프트, JSON 출력 모드, 시드, 온도 및 CTX 크기를 지원합니다
  • 활성 파일, 선택적 웹 및 유지된 대화 컨텍스트를 주입합니다
  • STOP 또는 Esc로 활성 작업을 중지합니다

콘솔 필 바에는 실행 제어가 있습니다:

필값용도
TEMP / CTX / MEM / FMT / STREAM / SEED / SYS—Analyst 모드 추론 설정
WEBOFF (기본값) / ON모든 인터넷 접근을 위한 마스터 스위치
EXECANALYST (기본값) / AGENTSSEND가 실행하는 것: 단일 활성 모델 또는 에이전트 체인
AGN0 = 전체체인이 실행하는 에이전트 수, 카드 순서대로 적용
LOOPS1+체인이 반복되는 횟수; Agents 패널의 LOOPS 필드와 연동됨

Parallel

  • 체크된 모든 모델에 대해 동일한 프롬프트를 실행합니다
  • 각 응답을 독립적으로 스트리밍하고 추적합니다
  • Analyst Console에서 사용하는 것과 동일한 CTX 및 활성 파일 제어를 적용합니다

Agents — 실행 체인

에이전트는 사용자 정의이며 기본 실행 경로입니다. 내장되거나 고정된 에이전트 목록은 없습니다. Agents 패널은 비어 있는 상태로 시작하며 두 가지 방법으로 채웁니다:

  • + CREATE AGENT — 직접 하나를 정의합니다
  • GENERATE FROM PROMPT — 목표를 설명하면 선택된 로컬 플래너 모델이 에이전트 세트를 작성합니다

각 에이전트는 자체 런타임 구성을 저장합니다:

필드기본값비고
에이전트 이름—필수
에이전트 목적—[AGENT PURPOSE]로 주입됨
에이전트 시스템 프롬프트—에이전트의 역할 지시
선호 로컬 모델—필수; Ollama에 설치되어 있어야 함
Temperature0.35에이전트별 설정, 콘솔의 TEMP pill과 독립적
최대 출력 토큰0 (자동)0은 AMBER의 길이 휴리스틱을 사용
루프1이 에이전트가 체인 루프당 수행하는 패스 수, 각 패스는 자체 이전 출력을 개선함
출력 형식일반 텍스트JSON은 Ollama의 JSON 모드를 설정하고 길이 확장을 건너뜀
핸드오프 지시—다음 순차 에이전트에 [HANDOFF FROM PREVIOUS AGENT]로 전달됨
실행 모드sequentialsequential, parallel, 또는 gated
출력 대상, 메모리 범위, 역할, 도구 접근, 활성화, 비고—ADVANCED 아래에 있음

체인 실행. EXEC를 AGENTS로 설정하고 메인 터미널에 프롬프트를 입력한 뒤 SEND를 누릅니다. AMBER는 선택된 모드, 활성화된 에이전트, 각 에이전트의 로컬 모델, AGN 개수, LOOPS 개수를 읽은 후 실행합니다: parallel 에이전트를 동시에 실행한 뒤, 카드 순서대로 sequential 에이전트를 루프당 한 번씩 실행합니다. 각 순차 에이전트는 이전 에이전트의 출력을 [UPSTREAM OUTPUT]으로 받고 해당 에이전트의 핸드오프 노트도 함께 받습니다. 진행 상황과 모든 에이전트의 스트리밍 출력이 메인 터미널에 출력되며, 최종 답변은 대화 기록에 보존됩니다. Agents 패널의 RUN 버튼은 패널 자체의 LOOPS 필드를 사용하여 동일한 작업을 수행합니다.

AGENTS 모드에서 SEND는 Models 패널에 활성 모델이 필요하지 않습니다. 각 에이전트가 자체 모델을 갖고 있기 때문입니다. gated 에이전트는 체인에서 제외됩니다 — 해당 카드의 RUN 버튼으로 개별 실행하십시오.

누락된 모델은 절대 대체되지 않습니다. Ollama에 없는 모델로 에이전트를 저장하거나 체인을 시작하면, 터미널에 요청된 모델, 실제로 설치된 모델, 필요한 ollama pull <model> 명령을 명시한 실행 가능한 안내 블록이 출력되며 실행이 시작되지 않습니다.

저장된 에이전트 세트는 Agents 패널에서 이름으로 저장하고 복원할 수 있습니다.

이전의 PIPELINE / CHAIN 단계 순차 모드는 인터페이스에서 폐기되었습니다. 해당 엔진과 state/pipeline_state.json은 하위 호환성을 위해 그대로 유지되지만, 더 이상 선택 가능한 모드가 아닙니다. 에이전트가 실행 체인입니다.

아카이브 및 메모리

  • embeddinggemma:latest로 파일을 청크 및 임베드 대기열에 추가
  • 코사인 유사도로 로컬 아카이브 검색
  • 아카이브 JSON 가져오기 및 내보내기
  • 가장 최근 어시스턴트 출력을 아카이브에 직접 추가
  • 파일 소스 검색을 위한 브라우저 내 피보나치 프랙탈 인덱스 구축
  • FAST, HYBRID, DEEP 검색 프로필 제공

사례 인텔리전스

아카이브에는 이제 기존의 전체 아카이브 워크플로를 대체하지 않으면서 선택적 사례 경계가 포함됩니다:

  • NEW CASE는 로컬 사례 메타데이터를 생성합니다.
  • ADD ACTIVE TO CASE는 선택된 파일을 증거로 기록하고, 기존 원본 업로드를 유지하며, 스트리밍 SHA-256 식별자를 계산하고, 수집 출처를 기록합니다.
  • 사례가 선택된 상태에서 인덱싱된 아카이브 벡터는 해당 사례 ID를 지닙니다. 사례 검색은 두 가지가 모두 사용 가능할 때 해당 의미론적 결과를 결정론적 키워드 폴백과 융합합니다.
  • REMEMBER LAST는 최신 어시스턴트 출력을 레이블이 지정된 사례 메모리로 명시적으로 저장합니다. 모델 출력은 증거나 메모리로 조용히 승격되지 않습니다.
  • ADD INVESTIGATION ROLES는 선택적 Director, Researcher, Investigator, Analyst, Documenter, Critic 템플릿을 기존 사용자 정의 에이전트 레지스트리에 추가합니다. 이들은 운영자가 선택한 로컬 모델을 사용하며 자동으로 실행되지 않습니다.

사례 인텔리전스는 하나의 버전 관리된 표준 라이브러리 JSON 저장소에 원자적으로 저장되며 AMBER의 기존 Ollama 클라이언트를 사용합니다.

독립 실행 뷰

헤더는 다음 도구들을 별도 탭에서 엽니다:

  • 엔티티 출처 그래프: http://127.0.0.1:8765/amber_graph.html
  • 타임라인: http://127.0.0.1:8765/amber_timeline.html
  • 벡터 저장소 관리자: http://127.0.0.1:8765/amber_vectorstore.html

요구 사항

핵심 런타임:

  • Python 3.10 이상; 런처와 핵심 백엔드는 표준 라이브러리만 사용하므로 AMBER를 실행하는 데 pip install이 필요하지 않습니다
  • Ollama가 로컬에 설치되어 실행 중이어야 함
  • 최소 하나의 Ollama 생성 모델
  • Archive 인덱싱 및 시맨틱 검색을 위한 embeddinggemma:latest

선택적 기능:

  • JavaScript로 렌더링되는 웹 가져오기 및 레코드 검색을 위한 Node.js 18+ 및 npm, 그리고 프로젝트 의존성
  • 해당 브라우저 기반 기능을 위한 Playwright Chromium 브라우저
  • PDF OCR을 위한 ocrmypdf 및 Tesseract
  • 이미지 OCR을 위한 Tesseract
  • Tesseract가 WebP 이미지를 직접 읽을 수 없을 때 OCR 전에 변환하기 위한 Pillow
  • 추가 시스템 지표를 위한 psutil, nvidia-smi 또는 osx-cpu-temp; 사용할 수 없는 값은 그냥 비워 둡니다

위의 모든 것은 로컬에서 동작합니다. 어떤 구성 요소도 계정, API 키 또는 클라우드 서비스를 필요로 하지 않습니다.

설치 및 실행

1. 저장소 복제

git clone https://github.com/gs-ai/AMBER-ICI.git
cd AMBER-ICI

2. Ollama 시작

별도의 터미널에서:

ollama serve

필요한 임베딩 모델과 최소 하나의 생성 모델을 가져오세요:

ollama pull embeddinggemma:latest
ollama pull qwen2.5-coder:7b

생성 모델은 예시일 뿐이며, AMBER는 Ollama에서 로컬로 설치된 모델을 탐색합니다.

3. Python 환경 생성

핵심 백엔드는 Python 표준 라이브러리만 가져오므로, 직접 실행하는 경우 가상 환경은 선택 사항입니다. 그래도 npm 스크립트(venv/bin/python3를 호출함)나 선택적 Pillow 지원을 사용하려면 가상 환경을 생성하십시오:

python3 -m venv venv
source venv/bin/activate          # Windows: venv\Scripts\activate
python3 -m pip install --upgrade pip

requirements.txt는 필요하지 않기 때문에 존재하지 않습니다. 원하는 경우에만 해당 환경에 선택적 추가 기능을 설치하세요:

python3 -m pip install Pillow     # optional: WebP conversion before OCR

deactivate로 비활성화합니다. 이전 AMBER 버전이 venv/에 사용하지 않는 패키지(예: camoufox)를 남겨두었다면, 해당 패키지들은 현재 코드에서 임포트되지 않으므로 무시하거나 제거해도 됩니다.

4. 핵심 애플리케이션 실행

python3 files/launch_amber_ici_gui.py

AMBER는 브라우저를 자동으로 엽니다. 탭을 열지 않고 실행하려면:

python3 files/launch_amber_ici_gui.py --no-browser

그런 다음 http://127.0.0.1:8765/amber_ui.html을 엽니다.

5. 선택적 브라우저 기반 웹 기능 설치

WEB 알약을 켤 계획인 경우에만 필요합니다:

npm install                       # playwright, playwright-extra, stealth plugin
npx playwright install chromium   # the browser binary itself

AMBER가 실행 중인 상태에서 헬퍼가 실행 가능한지 확인합니다. 이 명령은 헬퍼 경로, 확인된 node 바이너리, 그리고 누락된 패키지를 보고합니다:

curl -s http://127.0.0.1:8765/api/web/status

AMBER는 JavaScript로 렌더링되는 페이지에 Node/Chromium 헬퍼를 사용하며, 직접 URL에 대해서는 일반 Python HTTP 가져오기를 폴백으로 사용합니다. records-search 헬퍼는 Node.js, npm 의존성 및 Chromium이 필요하며, 일반 HTTP 폴백은 없습니다.

6. 선택적 OCR 지원 설치

Homebrew를 사용하는 macOS:

brew install ocrmypdf tesseract
python3 -m pip install Pillow

Ubuntu/Debian:

sudo apt-get update
sudo apt-get install -y ocrmypdf tesseract-ocr
python3 -m pip install Pillow

Pillow는 Tesseract가 처리하기 전에 변환이 필요한 이미지 형식에만 필요합니다. 선택적 OCR 종속성이 없더라도 AMBER는 계속 실행됩니다.

npm 편의 스크립트

제공된 npm 스크립트는 venv/bin/python3로 AMBER를 실행하므로, 먼저 해당 환경을 생성하세요(3단계):

npm start                 # 127.0.0.1:8765, no browser tab
npm run start:browser     # same, and opens the browser

python3로 직접 실행하는 것이 가장 이식성이 뛰어난 방법입니다.

전체 설정, 처음부터 끝까지

도구 다운로드