GitHub Security Lab Taskflow Agent

产品简介

GitHub Security Lab Taskflow Agent 是 GitHub Security Lab 推出的开源 AI 安全代理框架，一个基于 MCP（Model Context Protocol）的多智能体框架，用于以声明式 YAML 语法编写和调度 AI Agent 工作流。它让安全研究人员无需写代码，即可像写 GitHub Actions 一样定义套"任务流"，把专家的代码审计方法论打包成可复用提示词与流程。2026 年 9 月其移动端适配版本在 Android 应用中一次性挖出 24 个安全漏洞，成为少有的"AI 代理安全研究产出可量化、可复现"的公开案例。

核心功能

• YAML 声明式任务流：采用类似 GitHub Workflow 的语法，用任务串联多个 Agent 协作，把多步安全审计流程拆解为可依赖、可复用的步骤。
• 多智能体协作：Agent 通过"人格"定义，接收任务并携带一组工具，多个 Agent 可接力完成整套任务序列，支持人格交接。
• 原生 MCP 支持：内置 MCP 服务器连接与生命周期管理，支持 stdio、SSE 与 streamable HTTP 三种传输方式。
• 多后端适配：可在 OpenAI Agents SDK、GitHub Copilot Python SDK 与 Anthropic Python SDK 间切换，支持混用不同后端与模型。
• CodeQL MCP 集成：内置 CodeQL MCP 服务器，让 Agent 利用 CodeQL 数据库进行源码导航与审计。
• 检查点与恢复：支持任务级检查点与断点续跑，便于调试与迭代。
• 模板化批量任务：支持 Jinja2 模板渲染，可对多个目标异步批量套用同一套提示词。

特色优势

核心价值在于把安全专家的方法论沉淀为可执行资产。传统代码审计高度依赖资深研究员经验，难以规模化；该框架把"入口点识别""权限校验判断""漏洞类型穷举"等思路写成 YAML 任务流，让 LLM 以可控、可调试、可复现的方式执行，把大模型的模糊模式匹配与传统工具的精确计算结合。

应用场景

• 开源项目漏洞挖掘：对中等规模代码库自动化审计，重点发现鉴权绕过、IDOR、令牌泄露等高危问题。
• 扫描告警分类：对 CodeQL 等静态分析工具的告警自动去误报与分类，减少人工复核量。
• 移动端安全审计：排查 Android 应用的导出组件、deeplink 与 Cookie 校验等攻击面。
• CI/CD 安全集成：把任务流挂入持续集成流程，在代码合并前自动执行安全扫描。
• 通用 Agent 工作流实验：用于安全领域外的多步自动化编排。

适用人群

面向安全研究人员、应用安全工程师、渗透测试人员、开源项目维护者，以及希望探索声明式 AI Agent 工作流的开发者。使用前需具备 GitHub Copilot 许可，并熟悉基本命令行与 YAML 语法。

出品方

由 GitHub Security Lab 安全研究团队开发与维护。该团队长期致力于开源生态安全研究，配套仓库 seclab-taskflows 提供示例任务流与自定义 MCP 服务器，两仓库均为开源项目。

更新动态

2026 年 9 月 28 日，GitHub Security Lab 发布技术报告，披露其 AI 安全代理在 Android 应用中挖出 24 个漏洞，包括导航应用 OsmAnd（下载量超 1000 万）的位置追踪漏洞与维基百科 Android 客户端的账号接管漏洞，所有发现均已通报维护者并公开 advisory。

官网链接

• 框架仓库：https://github.com/GitHubSecurityLab/seclab-taskflow-agent
• 示例任务流：https://github.com/GitHubSecurityLab/seclab-taskflows