用途：针对大模型应用的真实攻击面开展安全测试，覆盖 LLM 应用、Agent、RAG、MCP 插件与 AI 模型文件。
主要能力： 提示注入，分直接注入（如诱导输出 system prompt）与间接注入（指令藏在 RAG 文档、网页、邮件、工具返回值、图片 EXIF 中，进而劫持 Agent）。 Agent 工具滥用，被视为最高危、可直达 RCE：code interpreter 注入执行、fetch 工具 SSRF 访问内网或云元数据、文件工具读取 /etc/passwd 或写入 webshell、SQL 工具导出全表、shell 工具命令注入。验证要求实际触发工具副作用（OOB 回连、读到文件）后才记为 Fact。 其他面：系统提示泄露、RAG 投毒、过度授权与跨租户越权、MCP 插件供应链、资源成本攻击（烧 token）；输出处理风险，即 LLM 输出进入 eval、SQL 或前端导致二次注入与存储型 XSS。 模型文件：torch.load 默认使用 pickle，可导致 RCE。
使用方式：抓取流量定位 /chat、/agent、/tool 等端点，并向 Agent 询问“你有哪些工具”以枚举工具面。
适用场景：LLM 应用与智能体渗透测试、RAG 与 MCP 插件安全评估、AI 模型文件风险排查。
限制：资料未提供具体安装命令、依赖、收费与平台支持信息，暂未提供。