
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 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 обратном шелле, который поймает агент, и отчёт, который можно передать по завершении работы.
Модели подключаются через LiteLLM, так что вы можете направить его на OpenAI, Anthropic, Google, GLM, DeepSeek, Kimi, локальный Ollama или что угодно ещё, что он поддерживает. Каждый запуск сохраняет контрольные точки по ходу работы, поэтому сбой или перезапуск продолжается с того места, где остановился.
run_command покрывает всё, для чего нет отдельного инструмента.docker exec. Выбирайте localhost или сохранённый сервер для каждой сессии; 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, воркер выполняет его, а воркер публикует вывод в каналы Redis, которые API передаёт в браузер по 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. Инструментарий: 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
# 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
Или запустите все три сразу с помощью менеджера процессов (они объявлены в
Procfile): pipx install honcho, затем honcho start.
Откройте http://localhost:5183 и войдите как admin / admin.