T3MP3ST 详细部署教程

T3MP3ST 是一个多智能体自动化红队平台，它将您现有的 AI 编程助手（如 Claude Code、Codex 等）转变为一个自主的“零日猎手”。它通过协调多个 AI 智能体，在您授权的目标上执行完整的渗透测试流程：侦察 → 利用 → 报告。

本教程将指导您完成 T3MP3ST 的安装、配置和首次使用。

1. 准备工作

1.1 系统要求

  • 操作系统：Windows、macOS 或 Linux (包括 WSL)。
  • 环境要求：
    • Node.js 和 npm (项目基于 Node.js)。
    • Git (用于克隆和更新)。
  • AI 智能体 (大脑)：您需要至少满足以下条件之一：
    • 已登录的本地 AI 编程助手：如 Claude Code、Codex、Hermes、OpenCode 等 (推荐，无需额外 API 密钥)。
    • 本地运行的开源模型：通过 Ollama、LM Studio 或 vLLM 提供 OpenAI 兼容 API。
    • 云端模型 API 密钥：OpenRouter、Venice、Anthropic、OpenAI 或 xAI (Grok) 的 API 密钥。

1.2 重要法律与安全声明

  • 仅限授权测试：T3MP3ST 是一个进攻性安全工具，仅可用于您拥有或获得明确书面授权的系统。未经授权访问是非法的。
  • 责任归属：您独自承担使用本软件的一切法律责任。请严格遵守法律和交战规则。
  • 使用风险：本项目按 AGPL-3.0 许可证“按原样”提供，不作任何担保。作者不承担任何因使用造成的损害或损失责任。

2. 安装 T3MP3ST

2.1 标准安装 (推荐)

  1. 克隆仓库：

    1
    2
    git clone https://github.com/elder-plinius/T3MP3ST.git
    cd T3MP3ST

  2. 安装依赖：

    1
    npm install

  3. 验证安装 (可选，但推荐)：

    1
    npm run verify-claims

    此命令会从提交的数据中重新计算 README 中声称的所有基准数据 (如 XBEN 得分)，确保您获取的版本与声称的性能一致。

2.2 通过 Docker 部署

适合服务器或需要隔离环境的场景。

  1. 配置环境变量：

    1
    2
    cp .env.example .env
    # 编辑 .env 文件，配置您的 API 密钥 (如果使用云端模型)

  2. 启动服务：

    1
    docker compose up -d

    API 服务将在 http://localhost:3333 运行 (绑定到 127.0.0.1，仅本地访问)。

  3. 测试服务：

    1
    curl http://localhost:3333/api/health

  4. 查看日志：

    1
    docker compose logs -f

3. 首次配置与启动

3.1 启动 War Room (指挥中心)

这是 T3MP3ST 的主要操作界面 (Web UI)。

1
npm run server

打开浏览器访问 http://127.0.0.1:3333/ui/。

3.2 连接 AI 智能体 (大脑)

在 War Room 界面中，点击 Settings。

  • 如果使用本地 AI 编程助手 (如 Claude Code)：
    • 确保您的助手已在终端中登录并可用。
    • 在设置中选择对应的连接方式，T3MP3ST 会自动检测并使用它。
  • 如果使用本地模型 (Ollama 等)：
    • 启动您的本地模型服务 (如 ollama serve)。
    • 在 War Room 设置中，将提供商切换为 Local，并配置正确的 Base URL (如 http://localhost:11434) 和模型名称。
  • 如果使用云端 API：
    • 在 War Room 设置中，选择对应提供商 (如 OpenRouter)，并输入您的 API 密钥。

3.3 开始第一次任务

  1. 在 War Room 主界面，与 Op Admiral (指挥官智能体) 对话。
  2. 用自然语言描述您的目标，例如："对 http://test.com 进行安全评估" 或 "分析当前目录下的源代码漏洞"。
  3. Op Admiral 会规划任务并启动相应的智能体 (Recon、Exploiter 等) 执行。
  4. 您可以在 War Room 中实时观察任务进度、智能体思考和工具调用结果。

4. 核心功能与模块

T3MP3ST 包含一个不断扩展的智能体 (Operators) 和工具 (Arsenal) 库。

4.1 核心智能体 (Operators)

智能体 对应阶段 核心功能
Recon 侦察 执行 OSINT、网络发现、资产枚举 (驱动 nmap、DNS、HTTP 指纹识别)。
Scanner 发现 漏洞扫描、服务指纹识别。
Exploiter 初始访问 漏洞利用、载荷投递。
Infiltrator 横向移动 后渗透、提权。
Exfiltrator 收集/渗出 数据提取、凭据收集。
Ghost 持久化 维持访问、清理痕迹。
Coordinator 指挥控制 任务编排与状态管理。
Analyst 分析 模式分析、报告生成。

4.2 支持的领域与状态

项目明确标注了各功能模块的成熟度：

  • ✅ 稳定 (Stable)：Web 应用侦察与利用 (XBEN 基准测试 90.1% pass@1)、CTF 解题 (Cybench 23/40)、协调披露管道。
  • ⚠️ 实验性 (Experimental)：源代码白盒分析、DeFi 智能合约 (仅复现已知漏洞)、Exploiter/Infiltrator 等智能体的协同。
  • 🚧 开发中 (In development)：云环境 (IaC)、移动应用、二进制逆向、身份认证 (AD) 等模块。

5. 命令行接口 (CLI) 与高级用法

除了 War Room，您也可以通过命令行使用。

5.1 基本 CLI 命令

1
2
3
4
5
6
7
8
# 构建项目
npm run build

# 使用默认配置运行
npx tempest

# 运行指定任务 (示例)
npm run cve:bench  # 运行 CVE 基准测试

5.2 环境变量配置

您可以通过环境变量或 .env 文件进行精细控制：

  • OPENROUTER_API_KEY：配置 OpenRouter API 密钥。
  • ANTHROPIC_API_KEY：配置 Anthropic (Claude) API 密钥。
  • T3MP3ST_LOCAL_BASE_URL：指向本地模型服务的 URL。
  • T3MP3ST_LOCAL_MODEL：指定本地模型名称。
  • T3MP3ST_FULL_ARSENAL=1：启用更多实验性工具 (如 Metasploit)。

5.3 更新与维护

项目提供了内置更新脚本，用于同步上游变更，同时保护您的本地配置和敏感数据 (如 .env, bench/ 下的结果)。

1
2
3
4
5
6
7
8
# 交互式更新 (推荐)
npm run update

# 预览更新内容
npm run update:dry

# 强制重置 (谨慎使用)
npm run update:hard

6. 故障排查与提示

  • War Room 无法连接：确保 npm run server 正在运行，且防火墙未阻止 3333 端口。
  • 任务执行失败或超时：
    • 检查您的 AI 智能体是否已正确连接并具备网络访问权限。
    • 大型或复杂任务可能需要较长时间，可通过环境变量调整超时设置，例如 T3MP3ST_TASK_TIMEOUT_MS=600000 (10分钟)。
  • 工具未找到或执行错误：
    • T3MP3ST 依赖一些外部工具 (如 nmap, hydra)。请确保这些工具已安装在您的系统 PATH 中，或通过 T3MP3ST_FULL_ARSENAL 启用更多内置适配器。
  • 基准测试无法验证：运行 npm run verify-claims 是检查安装是否完整的好方法。如果失败，请检查网络连接 (部分测试数据需下载) 和依赖完整性。
  • 安全第一：始终使用 npm run update 而非 git pull 来更新，以保护您的本地配置和敏感数据不被意外覆盖。

总结

T3MP3ST 是一个强大且雄心勃勃的开源自动化红队框架。通过以上步骤，您应该能够成功部署它，并将其连接到您偏好的 AI 模型，开始对授权目标进行自动化安全评估。

它的核心价值在于将先进的 AI 能力与系统化的渗透测试流程相结合，降低了进行复杂安全测试的门槛。建议您首先在受控环境 (如 CTF 或自家搭建的测试靶场) 中熟悉其工作流程，然后再考虑在授权范围的实际项目中使用。请务必牢记法律和道德责任，仅在授权范围内使用。