Skip to content
KitploitKITPLOIT
FerramentasExploitsBlog
Log in
Enviar
FerramentasExploitsBlog
Enviar

Ferramentas de Hacking, PenTest e Cibersegurança para o seu Arsenal de Segurança!

Kitploit é um diretório de ferramentas de hacking, cibersegurança e pentesting. Descubra as últimas atualizações de projetos para encontrar vulnerabilidades, analisar sistemas, automatizar testes e fortalecer sua segurança.

FeedsContatoPrivacidade© 2026 Kitploit

Diretório de Ferramentas

Categorias

Ver todas as categorias
Loading categories
seclab-taskflow-agent — Estrutura multiagente com suporte a MCP para fluxos de trabalho agênticos declarativos orientados por YAML, usada para auditoria de código assistida por IA, triagem de vulnerabilidades e pesquisa de segurança com integração ao CodeQL. | Kitploit
Ferramentas/GitHubGitHub/githubsecuritylab/seclab-taskflow-agent
Análise EstáticaScanners de VulnerabilidadesAnálise Estática de Código (SAST)Análise de VulnerabilidadesAnálise de CódigoScripting e AutomaçãoTestes de PenetraçãoUtilitários e Frameworks
Aprendizado de Máquina
Aprendizado e Educação
Engenharia Reversa Assistida por IA
Segurança de IA
GitHubgithubsecuritylab/seclab-taskflow-agent

seclab-taskflow-agent

Estrutura multiagente com suporte a MCP para fluxos de trabalho agênticos declarativos orientados por YAML, usada para auditoria de código assistida por IA, triagem de vulnerabilidades e pesquisa de segurança com integração ao CodeQL.

Ver Repositório
28742125há 11 diasRevisado pelo Kitploit
Compartilhar

Agente Taskflow do GitHub Security Lab

O Agente Taskflow do Security Lab é uma estrutura multiagente habilitada para MCP para fluxos de trabalho agênticos declarativos, orientados por YAML.

Construído sobre o OpenAI Agents SDK, utiliza Pydantic para validação de gramática e Jinja2 para renderização de templates.

Conceitos Fundamentais

O Agente Taskflow utiliza uma gramática baseada em YAML semelhante ao GitHub Workflow para executar uma série de tarefas usando um conjunto de Agentes.

Sua principal proposta de valor é ser uma ferramenta de CLI que permite aos usuários definir e scriptar rapidamente fluxos de trabalho agênticos sem precisar escrever nenhum código.

Os Agentes são definidos por meio de personalidades, que recebem uma tarefa a ser concluída, com um conjunto de ferramentas.

Os Agentes podem cooperar para completar sequências de tarefas por meio dos chamados taskflows.

Você pode encontrar uma visão geral detalhada da gramática de taskflow aqui e exemplos de taskflows aqui.

Arquitetura

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

O agente suporta tanto a API Chat Completions quanto a Responses da OpenAI. O tipo de API pode ser configurado globalmente ou por modelo em um arquivo 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

model_settings por modelo pode incluir:

  • api_type — "chat_completions" (padrão) ou "responses"
  • endpoint — substituição da URL base da API para este modelo
  • token — nome de uma variável de ambiente que contém a chave da API

Backends

O runner pode operar três SDKs por trás de uma interface comum:

  • openai_agents (padrão) — o OpenAI Agents Python SDK. Suporta handoffs entre múltiplas personalidades, tanto chat_completions quanto responses api_type, temperature, parallel_tool_calls, exclude_from_context, e MCP via stdio, SSE e HTTP streamable.
  • copilot_sdk — o GitHub Copilot Python SDK. Suporta streaming, reasoning_effort, MCP via stdio/SSE/HTTP e controle de permissões por ferramenta. O SDK seleciona seu próprio protocolo de comunicação por modelo, portanto o campo api_type do YAML não é respeitado; handoffs entre múltiplas personalidades, temperature e parallel_tool_calls também não estão disponíveis. Taskflows que usam campos não suportados falham no carregamento com um BackendCapabilityError indicando o campo problemático.
  • anthropic_sdk — o Anthropic Python SDK, operando a API nativa Messages (/v1/messages). Suporta streaming, chamada de ferramentas via MCP e raciocínio adaptativo com reasoning.effort configurável (low, medium, high, max). Handoffs não são suportados. Projetado para uso com o endpoint Anthropic da CAPI; a autenticação usa Authorization: Bearer (não x-api-key).

Precedência de seleção (da maior para a menor):

  1. backend: por tarefa no bloco model_settings da própria tarefa (substitui o valor no nível do modelo para aquela tarefa específica; consulte _resolve_task_model()).
  2. backend: por modelo no model_settings da configuração do modelo (permite backends mistos em um único taskflow).
  3. Campo backend: no nível superior do documento de configuração do modelo (padrão global).
  4. Variável de ambiente 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

Tradução de Erros e Nova Tentativa

Cada adaptador de backend traduz suas exceções nativas do SDK para a hierarquia neutra em sdk/errors.py, para que o executor aplique a política de nova tentativa sem importar nenhum SDK. Adicionar um backend significa traduzir seus erros também; test_every_backend_adapter_translates_transport_failures impõe isso em todo o registro.

Falhas de transporte exigem tratamento explícito e são fáceis de passar despercebidas. Os SDKs dos fornecedores envolvem o httpx apenas na chamada que envia a requisição, e com streaming isso retorna assim que os cabeçalhos da resposta chegam, enquanto o corpo é iterado depois. Uma conexão que morre no meio do corpo, portanto, surge como um erro httpx puro, nem na hierarquia do próprio SDK nem nas builtins. sdk/_transport.py enumera os que são passíveis de nova tentativa, e cada adaptador os mapeia para BackendTransportError. O conjunto é enumerado em vez de capturar httpx.TransportError de forma abrangente, porque LocalProtocolError significa que a requisição estava malformada e UnsupportedProtocol é determinístico.

A nova tentativa tem um único responsável: o branch, em _deploy_with_transport_retry. É o único nível que reinicia o estado de captura entre tentativas, para que um resultado de ferramenta registrado antes de uma falha não possa ser publicado duas vezes nem se tornar a saída nomeada da tarefa, e ele reproduz apenas o branch que falhou, e não os irmãos que podem já ter escrito em sistemas externos. As novas tentativas são limitadas por TASK_RETRY_LIMIT com backoff linear a partir de TASK_RETRY_BACKOFF.

Baixar ferramenta

Mais Populares

Ver todos →

Descubra as ferramentas mais usadas pela nossa comunidade.

Sem dados de popularidade ainda.

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →