
Платформа для red-team тестирования с использованием ИИ. Автономные LLM-агенты проводят пентест от начала до конца внутри контейнера Kali и пишут отчёт. Движок plan/act на LangGraph, провайдеро-независимые модели через LiteLLM, вывод в PDF/JSON/SARIF. FastAPI + React.
AI-агенты, которые проводят пентест от начала до конца и пишут отчёт.
[!WARNING] REDCELL предоставляется исключительно для обучения, исследований и легального авторизованного тестирования безопасности. Используйте его только для тестирования систем, которыми вы владеете или на тестирование которых у вас есть явное письменное разрешение, и только в рамках согласованной области. Несанкционированный доступ к компьютерным системам или вмешательство в их работу является преступлением в Азербайджане (статьи 271–273 Уголовного кодекса) и по законам большинства других стран. То, как вы его используете, и соблюдение закона — полностью ваша ответственность.
REDCELL проводит команду LLM-агентов через пентест. Оркестратор планирует работу и передаёт задачи агентам-исполнителям, которые запускают реальные инструменты внутри контейнера Kali и отчитываются о результатах. Вы наблюдаете за ходом работы и управляете им из консоли оператора: чат, который управляет оркестратором, живой граф агентов и лента активности, живой просмотр браузера, которым управляет агент, терминал на любом перехваченном агентом reverse shell, а также отчёт, который можно передать по завершении работы.
Модели подключаются через LiteLLM, поэтому можно использовать OpenAI, Anthropic, Google, GLM, DeepSeek, Kimi, локальный Ollama или что-либо ещё, что он поддерживает. Каждый запуск сохраняет контрольные точки по ходу работы, поэтому после сбоя или перезапуска работа продолжается с того места, где остановилась.
run_command покрывает всё, для чего нет отдельного инструмента.docker exec. Для каждой сессии выбирается localhost или сохранённый сервер; удалённый сервер запускает тот же контейнер по SSH с host networking.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 не запускает агентов. Он ставит запуск в очередь, worker выполняет его, а worker публикует вывод в каналы Redis, которые API передаёт в браузер через WebSockets.
Python 3.12, FastAPI, async SQLAlchemy + asyncpg, Alembic, arq, LangGraph, LiteLLM, ReportLab, PostgreSQL, Redis, MinIO, asyncssh. Фронтенд: React 18, Vite, TypeScript, Tailwind, TanStack Query, xterm. Инструменты: uv для Python, bun для фронтенда.
Вам понадобятся Docker, uv и bun.
# 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