# ai-recon

Субагент ai-recon составляет карту AI-поверхности атаки авторизованного приложения до начала валидации: эндпоинты, agent cards, MCP, модель. Дальше находки уходят эксплуататорам.

- субагент · `type=agent` · Claude Code, Codex, Cursor · ★ 2482 у репозитория
- Автор: 0xSteph
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/0xSteph/pentest-ai-agents/tree/HEAD/agents/ai-recon.md
- Обновлён: 2026-10-06
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/agents/ai-recon

## Что делает

Субагент для Claude Code проходит по авторизованному приложению и записывает, где оно общается с моделью. Ищет LLM-эндпоинты в JS-бандлах и сетевых вызовах, пробует `GET /v1/models`, снимает `/openapi.json`, `/.well-known/ai-plugin.json` и agent card по `/.well-known/agent.json`. Рядом — инвентарь MCP-серверов с их инструментами и моделью доступа.

Модель определяется по поведению: длина контекста, доступность tool-use, реакция на эмодзи и CJK, стиль отказов. Запросов на это уходит немного, потому что фингерпринт — не стресс-тест. Каждая команда получает метку шума QUIET, MODERATE или LOUD, а вывод пишется в файл вида `{tool}_{target}_{YYYYMMDD_HHMMSS}.{ext}`.

Агент только описывает поверхность и не атакует её: ни промпт-инъекций, ни джейлбрейков, ни регистрации своего агента в реестре. Без объявленного скоупа он не выполнит против цели ни одной команды, поэтому сессию начинают с доменов, диапазонов IP и типа работ. Гипотезы уходят в `llm-redteam`, `api-security` и `web-hunter`.

## Установка

### Claude Code (родная платформа)

**Вручную: положить файлы**
- Файл: `.claude/agents/ai-recon.md` — Для всех проектов — ~/.claude/agents/. Claude делегирует задачу сам по полю description или по @-упоминанию

### Codex

**Вручную: положить файлы**
- Файл: `.codex/agents/ai-recon.toml` — Codex описывает субагентов в TOML: name, description, developer_instructions. Текст из Markdown перенесите в developer_instructions вручную. Для всех проектов — ~/.codex/agents/

### Cursor

**Вручную: положить файлы**
- Файл: `.cursor/agents/ai-recon.md` — Cursor понимает и .claude/agents/

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/0xSteph/pentest-ai-agents/tree/HEAD/agents/ai-recon.md

## Когда брать
- найти LLM-эндпоинты в JS-бандлах и сетевых запросах
- снять agent card и свести навыки агента в инвентарь
- определить семейство и версию модели по поведению
- перечислить MCP-серверы и их инструменты до начала тестов
- сохранить сырой вывод разведки в файлы с таймстампом

## Примеры запросов агенту
- Скоуп объявлен, тип работ — веб-приложение. Найди все AI-эндпоинты и проверь `GET /v1/models`.
- Сними `/.well-known/agent.json` и внеси навыки и схему авторизации агента в инвентарь.
- Определи, какое семейство модели отвечает, и сложи вывод в файл с таймстампом.

## Похожие
- [recon](https://affpapa.org/nevibecode/skills/briiirussell-recon.md) — скилл · 534 установки
- [api-recon-and-docs](https://affpapa.org/nevibecode/skills/api-recon-and-docs.md) — скилл · 4200 установок
- [attack-surface-recon](https://affpapa.org/nevibecode/skills/attack-surface-recon.md) — скилл · 575 установок
- [osint-recon](https://affpapa.org/nevibecode/skills/osint-recon.md) — скилл · 486 установок
- [surface](https://affpapa.org/nevibecode/commands/surface.md) — команда · ★ 16193 у репозитория
- [autopilot](https://affpapa.org/nevibecode/commands/autopilot.md) — команда · ★ 16193 у репозитория

Из того же набора: [0xsteph/pentest-ai-agents](https://affpapa.org/nevibecode/by/0xsteph/pentest-ai-agents.md) — 55 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
