Agent-based Security Testing & Evaluation Runtime

基于 ReAct 框架的安全分析 Agent，在终端中完成代码审计、渗透测试、主机防护。
内置 Semgrep 规则集 + SyntaxFlow 数据流追踪 + MCP 工具协议 + 多 LLM Provider 支持。

_{扫码加入 aster 交流群 · 二维码失效请提 issue 获取最新入群方式}

• 四大安全 Agent — 代码审计 / 渗透测试 / 主机防护 / Web CTF，YAML 声明式定义，支持自定义扩展
• 54+ 安全技能 — 按需注入 Agent 上下文，运行时动态启用/禁用，覆盖 SAST、数据流、Web 安全、认证、注入、主机防护
• 7 大 LLM Provider — OpenAI、Anthropic、DeepSeek、Groq、OpenRouter、Together、Ollama（本地离线）
• ReAct 推理引擎 — Plan → Think-Act-Observe → Summary → FinalAnswer 四阶段循环
• X2 并发调度 — 同层依赖 ready 的 step 自动并发，对齐 LLM Compiler 范式，详见 docs/x2-parallel-steps.md
• Semgrep SAST — 内嵌本地规则集，覆盖 Go / Java / Python / JS / PHP / C，零在线依赖
• SyntaxFlow 数据流 — 通过 yak SSA 引擎的 topdef/bottomUse 追踪验证漏洞可达性
• MCP 协议扩展 — stdio / SSE / Streamable HTTP 三种传输，全局或按 Agent 挂载工具
• 终端 TUI — Bubbletea 交互界面，会话管理、主题切换、快捷键操作

• 快速开始
• 安装
• 模型配置
• MCP 集成
• Skills 的使用
• 自建 Agent 场景
• 内置场景介绍与快速开始
• 致谢
• 项目热度
• 重要安全声明
• License

30 秒从零到运行：

# 1. 下载二进制（以 macOS Apple Silicon 为例，其他平台见下方表格）
#    前往 https://github.com/Q16G/aster/releases 下载最新版本
curl -Lo aster.tar.gz https://github.com/Q16G/aster/releases/download/v0.1.0-alpha-8/aster_0.1.0-alpha-8_darwin_arm64.tar.gz
tar xzf aster.tar.gz && chmod +x aster
sudo mv aster /usr/local/bin/

# 2. 配置 API Key（任选一个 Provider）
export OPENAI_API_KEY=sk-your-key

# 3. 启动
aster

首次运行自动生成 ~/.aster/ 目录（含 config.yaml 和 Agent 配置）。默认使用 code-audit Agent，输入自然语言即可开始安全分析。

前往 GitHub Releases 下载对应平台的预编译二进制，解压后放入 PATH 即可使用。无需 Go 环境，无需编译。

下载后 Linux/macOS 执行 tar xzf <文件名> && chmod +x aster，Windows 解压 zip 即可。

已安装的 ASTER 支持自更新，检测 GitHub Releases 最新版本并自动替换：

aster update

go install github.com/Q16G/aster/cmd/aster@latest

要求 Go 1.25+

git clone https://github.com/Q16G/aster.git && cd aster
make build    # 输出 ./aster 二进制

无需 git clone、无需 Go——脚本自动识别平台，从 GitHub Releases 下载预编译二进制，安装到用户目录并写入 PATH：

curl -fsSL https://raw.githubusercontent.com/Q16G/aster/main/scripts/install.sh | bash

• 自动识别 macOS / Linux 与 amd64 / arm64，拉取最新 Release（Windows 请用上方 Releases 表格手动下载）。

• 默认安装到 ~/.local/bin，并按当前 Shell 自动写入 ~/.zshrc / ~/.bashrc 的 PATH（已在 PATH 中则跳过）。

• 可重复运行，不会重复追加 PATH。安装完成后执行 source ~/.zshrc 或新开终端使 PATH 生效。

• 自定义安装目录或版本：

  curl -fsSL https://raw.githubusercontent.com/Q16G/aster/main/scripts/install.sh \
    | ASTER_INSTALL_DIR=/usr/local/bin ASTER_VERSION=v0.1.0-alpha-8 bash

只需设置任意一个 Provider 的 API Key 环境变量，ASTER 会自动探测可用 Provider：

export OPENAI_API_KEY=sk-your-key       # OpenAI
# 或
export ANTHROPIC_API_KEY=sk-ant-xxx     # Anthropic
# 或
export DEEPSEEK_API_KEY=sk-xxx          # DeepSeek

支持的环境变量：

Ollama 为本地模型，无需 API Key，详见 本地模型（Ollama）。

首次运行 aster 自动生成 ~/.aster/config.yaml。如需手动指定，编辑该文件：

# ~/.aster/config.yaml
default_provider: openai

providers:
  openai:
    base_url: https://api.openai.com/v1
    api_key: sk-your-key
    default_model: gpt-4o

api_key 支持 ${ENV_VAR} 语法引用环境变量，避免明文写入配置文件。

aster --provider deepseek --model deepseek-chat --api-key sk-xxx --base-url https://api.deepseek.com/v1

也可通过 ASTER_* 环境变量覆盖：

配置优先级（从高到低）：

CLI 参数 > ASTER_* 环境变量 > ~/.aster/config.yaml > Provider 内置默认 > 硬编码兜底

运行时也可通过 /provider、/model 命令在线切换。

ASTER 支持把同层依赖 ready 的多个 step 并发推进：调度器在每轮入口扫描就绪 step，把当前主路径之外的 ready step 通过后台 inline_step peer 并发执行，缩短长任务的整体墙钟时间。默认串行，通过 ~/.aster/config.yaml 顶层 react.max_parallel_steps 开启：

# ~/.aster/config.yaml
react:
  # 同层 ready step 最大并发数（含主路径）
  #   0 / 1 = 串行（默认，向后兼容）
  #   ≥ 2  = 启用滚动 fan-out 并发；典型值 2-5
  max_parallel_steps: 3

每个并发 step 拥有独立的状态桶、prompt 缓存、skill overlay 与共享账本写入锁，彼此隔离互不串扰；流式输出、思考过程与 TUI 卡片均按 step 归属分流，下区 peer tile bar 实时展示各并发分支进度。

完整的 ~/.aster/config.yaml 写法（7 个内置 Provider 全量配置，按需保留所需条目即可）：

default_provider: openai

providers:
  openai:
    base_url: https://api.openai.com/v1
    api_key: ${OPENAI_API_KEY}
    default_model: gpt-4o

  anthropic:
    base_url: https://api.anthropic.com/v1
    api_key: ${ANTHROPIC_API_KEY}
    default_model: claude-sonnet-4

  deepseek:
    base_url: https://api.deepseek.com/v1
    api_key: ${DEEPSEEK_API_KEY}
    default_model: deepseek-chat

  groq:
    base_url: https://api.groq.com/openai/v1
    api_key: ${GROQ_API_KEY}
    default_model: llama-3.3-70b-versatile

  openrouter:
    base_url: https://openrouter.ai/api/v1
    api_key: ${OPENROUTER_API_KEY}
    default_model: anthropic/claude-sonnet-4

  together:
    base_url: https://api.together.xyz/v1
    api_key: ${TOGETHER_API_KEY}
    default_model: meta-llama/Llama-3-70b-chat-hf

  ollama:
    base_url: http://localhost:11434/v1
    default_model: qwen2.5:latest

运行时用 /provider <name> 在已配置的 Provider 间在线切换。

ASTER 内置 models.dev 注册表，开箱即可识别 128 个 Provider 的 Base URL 与 API Key 环境变量。除上面 7 个默认探测项外，以下为常用扩充（用法与上面完全一致，在 providers 下按相同结构添加即可）：

providers:
  zhipuai:
    base_url: https://open.bigmodel.cn/api/paas/v4
    api_key: ${ZHIPU_API_KEY}
    default_model: glm-4.6

「示例模型」仅为参考，请以各 Provider 当前模型目录为准，运行时 /model <id> 可随时切换。需要表中未列出的厂商，按相同结构填入对应 base_url 与 api_key 即可——任意 models.dev 收录的 Provider 均受支持。

内置 Provider 之外的任意兼容 OpenAI /v1/chat/completions 的服务，只能通过 ~/.aster/config.yaml 配置（自定义 Provider 名称无法被环境变量自动探测）。在 providers 下新增一个条目，填写 base_url、api_key、default_model：

default_provider: my-llm

providers:
  my-llm:
    base_url: https://llm.internal.example.com/v1
    api_key: ${MY_LLM_API_KEY}
    default_model: my-model-32b

Provider 名称（providers 下的 key）任意取，用 /provider my-llm 选择。

在单个 Provider 下，可附加局部环境变量与自定义请求头：

providers:
  openai:
    base_url: https://api.openai.com/v1
    api_key: ${OPENAI_API_KEY}
    default_model: gpt-4o
    headers:                                   # 附加到每次请求的自定义 HTTP 头
      X-Org-Id: org-xxxx
    env:                                       # 该 Provider 局部变量（含代理）
      HTTPS_PROXY: socks5://127.0.0.1:7890

• headers — 每次请求附带的自定义请求头（如组织 ID、网关鉴权头）。
• env — 仅作为该 Provider 的局部变量源，不修改全局环境；支持 ${VAR} 引用，并据此自动应用代理（HTTPS_PROXY / HTTP_PROXY）。

需要所有 Provider 与 MCP 共享的变量，放在顶层 env: 下；只想影响单个 Provider，放在 providers.<name>.env 下。

同一基础模型可定义多个变体，每个变体是一组预设的请求选项；选定变体后，这组选项会原样合并进该次请求体的额外字段（OpenAI 兼容协议下即追加到请求 JSON 顶层；Anthropic 协议下字符串选项转为请求头）。最典型的用途就是开启模型的 thinking（深度推理）模式——像 DeepSeek 那样，在变体里写一个 thinking: true 字段即可：

providers:
  deepseek:
    base_url: https://api.deepseek.com/v1
    api_key: ${DEEPSEEK_API_KEY}
    default_model: deepseek-chat
    variants:
      deep:               # 外层 key = 变体名（自己取，用于选择器，如 deep / fast / high）
        thinking: true    # 内层 = 透传进请求体的字段，原样并入 -> {"model": "...", "thinking": true, ...}

注意这里是两层，含义不同：

• 外层 key（deep）= 变体名，由你自己命名，仅用于 模型ID:变体名 选择器；起什么名字都行（deep、fast、high 等）。
• 内层 map（thinking: true）= 真正透传进请求体的字段，键名以各 Provider 的 API 文档为准，ASTER 不做转换、原样附加（如 DeepSeek 用 thinking: true，部分服务用 reasoning_effort: high、enable_thinking: true 等）。

通过 模型ID:变体名 语法选择变体——冒号后的变体名会在 variants 中查表，命中则把对应内层选项并入该次请求：

aster --model deepseek-chat:deep      # 启用 deep 变体，请求体携带 thinking: true

运行时切换变体最方便的是 /variant 命令：

/variant            # 弹出当前模型的变体选择器（含「无变体」一项），方向键选择
/variant deep       # 直接切到 deep 变体
/variant none       # 清除变体，回到基础模型（none / off / clear / base 等价）

也可以用 /model deepseek-chat:deep 直接带变体切换，效果相同。

提示：Ctrl+M 主模型选择器只列出 models.dev 为模型预置的变体，你在 config.yaml 里自定义的变体不会出现在那里——自定义变体请用 /variant（它会把 config 变体与 models.dev 预置变体合并列出）。

同一模型下可以并列定义多个变体（例如 deep 开 thinking、fast 关 thinking、再来个不同推理档），运行时用 /variant 一键切换、无需改配置重启。

ASTER 默认依据 models.dev 元数据自动推断模型的视觉 / 音频能力。当使用第三方模型、元数据缺失或推断不准时，可在 Provider 下手动声明覆盖：

providers:
  my-llm:
    base_url: https://llm.internal.example.com/v1
    api_key: ${MY_LLM_API_KEY}
    default_model: my-vlm-32b
    supports_vision: true      # 强制声明支持图像输入
    supports_audio: false      # 强制声明音频能力

仅在自动推断结果不符合实际时才需要手动设置；未设置时以元数据推断为准。

无需 API Key，完全离线运行，可搭配任意 Agent：

ollama serve          # 启动 Ollama
ollama pull qwen2.5   # 拉取模型
aster --provider ollama

或在 ~/.aster/config.yaml 中配置：

default_provider: ollama

providers:
  ollama:
    base_url: http://localhost:11434/v1
    default_model: qwen2.5:latest

注意：本地模型推理能力通常弱于云端大模型，复杂审计场景（多步推理、长上下文）效果可能下降。

通过 Model Context Protocol 扩展 Agent 的工具集。

在 ~/.aster/config.yaml 中添加：

mcp_servers:
  my-tool:
    type: stdio
    command: /path/to/my-mcp-server
    args: ["--mode", "production"]

运行时管理：

/mcp                          # 查看 MCP 服务器状态
/mcp connect my-tool          # 连接
/mcp disconnect my-tool       # 断开

stdio — 本地子进程

mcp_servers:
  syntaxflow:
    type: stdio
    command: /usr/local/bin/yak
    args: ["mcp", "--transport", "stdio", "--tool", "ssa"]

sse — Server-Sent Events

mcp_servers:
  remote-tool:
    type: sse
    url: https://mcp.example.com/sse
    headers:
      Authorization: "Bearer ${MCP_TOKEN}"

streamable-http — 流式 HTTP

mcp_servers:
  cloud-tool:
    type: streamable-http
    url: https://mcp.example.com/api

54+ 个内嵌安全分析技能，按 Agent 的 skill_names 配置控制可用范围，运行时按需注入 Agent 上下文。下表为代表性子集（非全量清单），第二列即技能的 name，也是 skill_names 中应填写的值——部分技能 name 为中文，请照填：

Agent YAML skill_names → 构建可用列表
                          ↓
运行时: Agent 调用 skill 工具 → 技能指令注入 prompt
                          ↓
执行模式:
  - inline: 注入当前 Agent 上下文
  - fork:   启动子 Agent 独立执行
                          ↓
eject_skill: 技能使命完成后从上下文卸载，回收空间（非破坏性）

skill / eject_skill 为每个 Agent 自动注册的内建工具，无需在 tool_names 中声明。

/skill                        # 查看所有技能状态
/skill enable sast-scan       # 启用
/skill disable sast-scan      # 禁用

preload_skills 中的技能为强制启用，不可通过 /skill disable 禁用。

除四大内置 Agent 外，可通过 YAML 声明任意专属场景的 Agent。

创建 ~/.aster/agents/api-audit.yaml：

name: api-audit
role: API 接口安全审计专家
background: |
  专注于 REST/GraphQL API 的认证、授权、输入校验和速率限制审计。
instruction: |
  1. 先了解项目结构
  2. 搜索路由定义和中间件
  3. 加载 sast-scan 进行静态分析
  4. 重点关注：未鉴权端点、SQL 注入、越权访问

skill_names:                       # 填技能的 name（见「Skills 的使用」表，部分为中文）
  - sast-scan
  - sql-injection-comprehensive
  - auth-comprehensive
  - idor-detection

tool_names:
  - list_files
  - read_file
  - rg
  - bash
  - list_skills

policies:
  max_iterations: 500
  allow_bash: true
  enable_history_compaction: true

保存后重启，通过 /agent api-audit 切换使用，或用快捷键 Ctrl+K 打开 Agent 选择器。

aster agent reset           # 仅补充缺失的内置 Agent
aster agent reset --force   # 强制覆盖所有内置 Agent（自定义 Agent 不受影响）

默认启动即为 code-audit Agent。Semgrep 规则已内嵌于二进制，首次运行自动提取到 ~/.aster/rules/。

# 必需：安装 semgrep（SAST 扫描引擎）
pip install semgrep

# 推荐：安装 yak 引擎（数据流追踪，验证漏洞可达性）
# 安装后无需额外配置，默认 config.yaml 已包含 MCP 配置
bash <(curl -sS -L http://oss.yaklang.io/install-latest-yak.sh)

aster
> 对当前项目做一次全量安全审计

支持语言：Go、Java、Python、JS/TS、PHP、C/C++。

yak 引擎通过 MCP 接入，默认 config.yaml 已包含 syntaxflow 服务器配置：

mcp_servers:
  syntaxflow:
    type: stdio
    command: yak
    args: ["mcp", "--transport", "stdio", "--tool", "ssa"]

pentest Agent 通过浏览器自动化对运行中的 Web 应用进行安全测试。

# 必需：安装 agent-browser（浏览器自动化），会自动下载 Chromium
npm install -g agent-browser && agent-browser install

aster
> /agent pentest
> /mode yolo
> 对 http://localhost:8080 做一次全面渗透测试

权限模式：渗透测试产生大量浏览器命令，推荐 /mode yolo（隔离环境全自动）。默认 /mode manual 需逐条确认，体验较差。

支持自签证书、SPA/MPA、需认证的站点。

host-defense Agent 进行安全基线检查、入侵检测和应急响应，无需额外安装外部工具。

aster
> /agent host-defense
> /mode yolo
> 检查当前主机的安全基线配置

操作系统：Linux 完整支持，macOS 部分支持，暂不支持 Windows。

ctf Agent 面向 Web 方向 CTF：对给定靶机 URL 做黑盒侦察、识别考点、构造链式利用并捕获 flag。与 pentest 的「输出漏洞报告」不同，它是单目标的解题导向，产物为 flag + 解题 writeup。

aster
> /agent ctf
> /mode yolo
> 解这道 web 题，拿到 flag：http://localhost:8080

仅用于授权的 CTF 比赛或靶场环境。覆盖 SQLi/SSTI/命令注入/SSRF/XXE/文件上传/LFI/反序列化/JWT/信息泄露(.git)/越权/客户端等常见 Web 考点。

1. 禁止任何未经授权的漏洞测试、渗透测试或安全评估
2. 本项目仅供网络空间安全学术研究、教学和学习使用
3. 严禁将本项目用于任何非法目的或未经授权的安全测试

1. 发现任何安全漏洞时，请及时通过合法渠道上报
2. 严禁利用发现的漏洞进行非法活动
3. 遵守国家网络安全法律法规，维护网络空间安全

• 仅限在授权环境下用于教育和研究目的
• 禁止用于对未授权系统进行安全测试
• 使用者需对自身行为承担全部法律责任

作者不对任何因使用本项目而导致的直接或间接损失负责，使用者需对自身行为承担全部法律责任。

本项目源代码基于 MIT License 开源。

ASTER 通过子进程 / MCP 协议调用以下外部工具，不引入、不链接、不修改其源代码，也不随本项目分发这些工具的二进制文件——用户需自行安装：

Semgrep（LGPL-2.1）和 Yaklang（AGPL-3.0）的 copyleft 条款不适用于本项目——它们作为独立程序通过进程间通信被调用，不构成衍生作品或组合作品（参见 GNU GPL FAQ）。

semgrep-rules/ 目录中的 SAST 规则由 ASTER 团队独立编写，随项目以 MIT 协议发布。