在你的浏览器或编码代理中运行的开源安全工作流。
由 Y Combinator 支持 · 瑞士应用 AI 与网络安全研究实验室
0.security ·
文档 ·
FoxGuard
在 Apple Silicon macOS 或 x64/ARM64 Linux 上安装:
curl -fsSL https://raw.githubusercontent.com/0sec-labs/0/main/install.sh | bash
export PATH="$HOME/.0/bin:$PATH"
0 web
命令中心(浏览器): 0 web · 终端: 0
在运行 AI 工作流之前,请先配置模型提供商。
浏览器、CLI 和 MCP 共享同一个工作流运行器,并保留运行结果。
发现的问题按业务影响排序:受影响的客户和数据、欺诈、 关键服务以及中断。每个优先级都附带理由;缺失的 上下文保持为未评估。CVSS 仍可作为技术严重性参考。
| 工作 | 内置模板 |
|---|---|
| 评估 | 代码仓库、依赖项、API、Web 配置、范围限定的渗透测试、包行为、智能合约、原生代码 |
| 验证 | 带重放证据的发现项 |
| 修复 | 带回归测试的候选方案 |
| 研究 | 安全研究、深度源码调查 |
从 12 个模板开始,自定义步骤,并手动运行或通过浏览器触发器和计划任务运行。 模板: 起点 · 工作流: 可复用的步骤 · 运行: 一次执行。
学习会保留本地运行活动、基于来源的笔记以及经过评估的
改进历史。已保存的工作流保留不可变修订版本并支持恢复。
使用 0 learning status 或在浏览器中打开 Learning。
Learning 文档。
0 workflow list --templates
0 workflow run --template security-research \
--target /absolute/path/to/repo --workspace /absolute/path/to/repo \
--format json > run.json
0 runs list
对随附的 demo API 进行源代码审查,包含代码位置和建议的修复方案。

从模板启动工作流并编辑其步骤。

使用上述 CLI 命令,或通过 MCP 来发现模板、创建工作流并管理运行:
0 mcp-server --workflows --workspace /absolute/path/to/repo
本地 MCP 需要显式选择主机本地执行配置文件。
对于已注册的远程引擎,请使用 0 mcp-server --workflows --backend production。
0 的模型提供方与连接代理的会话是分开的。
浏览器聊天中的 Connect an external agent 会复制一段设置提示。 CLI 和 MCP 工作流客户端会自动附加到同一工作区和控制数据库中正在运行的本地 Web 引擎。 要显式附加到引擎中已打开的会话和运行:
0 mcp-server --workflows --engine-url http://127.0.0.1:3000 \
--engine-token-env ENGINE_TOKEN --session SESSION_ID
0 sessions list --engine-url http://127.0.0.1:3000 --engine-token-env ENGINE_TOKEN
将 ENGINE_TOKEN 设置为引擎配置的 bearer 凭据。接入的客户端共享浏览器的会话和运行生命周期;断开连接后引擎仍会继续运行。省略 --session 将在引擎的准入授权下创建一个会话。
参见 MCP 设置与各个工具 或 本地与远程引擎。
通过插件与 MCP 连接 GitHub、Elastic、Semgrep、Snyk、Linear、Jira、Cloudflare、Slack 和 Teams。
更多指南:安装 · GitHub Actions · 插件开发 · 故障排查。
安装依赖,运行 npm run dev,然后打开打印出的浏览器地址。
参见 CONTRIBUTING.md。
研究预览版。 评估已授权的系统,并审查发现的问题与修复方案。
运行 0 或 0 web 即可无需账户打开浏览器控制台。
交互式终端 UI 已停用;无头 CLI、自动化、MCP 和二进制命令仍然可用。
使用 0 chat --prompt "your request" 进行一次性自动化;设置 --mode standard 以进行显式范围检查。
可选的范围插件会强制执行目标边界。
通过 SECURITY.md 报告漏洞。 依据 MIT 或 Apache-2.0 许可授权。
公开披露与上游修复。 感谢 OpenTUI、Bun、 React、Models.dev、 LiteLLM 以及我们的贡献者。