AI-Infra-Guard API参考手册用任务创建接口搭建自己的自动化扫描流水线【免费下载链接】AI-Infra-GuardA full-stack AI Red Teaming platform securing AI ecosystems via Agent Scan, Skills Scan, MCP scan, AI Infra scan and LLM jailbreak evaluation.项目地址: https://gitcode.com/GitHub_Trending/ai/AI-Infra-GuardAI-Infra-GuardA.I.G是一款 AI 红队安全扫描平台覆盖 Agent 扫描、MCP 服务扫描、AI 基础设施漏洞扫描和大模型越狱评估Jailbreak Evaluation四大能力。本文将带你用它的API 接口搭建一条自动化安全扫描流水线只需一个统一的任务创建接口就能把扫描任务交给脚本、CI 或定时任务来跑全程无需点鼠标。一、先认识 API 体系Base URL 与统一响应格式项目运行后所有接口都挂在同一个网关下官方 API 文档见 api.md —— 这里直接给出关键信息Base URLhttp://localhost:8088按实际部署调整Swagger 在线文档http://localhost:8088/docs/index.htmlContent-Typeapplication/json所有接口返回统一格式判断成功只看status字段字段说明status0成功1失败message提示或错误信息data真正的业务数据这套 API 由 Go 后端实现路由与任务调度逻辑分别在common/websocket/task.go和common/websocket/task_manager.go中定义Swagger 规范文件为docs/swagger.yaml想深入细节可以直接阅读这些源码。二、核心中的核心统一任务创建接口整个平台最关键的接口只有一个——任务创建接口POST /api/v1/app/taskapi/tasks Content-Type: application/json请求体结构非常简单参数类型必填说明typestring是任务类型agent_scan/mcp_scan/model_redteam_report/ai_infra_scancontentobject是任务内容随任务类型变化调用成功后返回session_id任务会话 ID后续用它查询进度和结果。可以说记住这一个接口 四种 type 值就掌握了 80% 的 API。1️⃣ Agent 安全扫描agent_scan对 Dify、Coze 或任意 HTTP 端点的 AI Agent 做注入、越权、数据泄露检测。content中二选一提供agent_id预存配置或agent_config内联 YAML免预存{ type: agent_scan, content: { agent_config: provider: dify\nbase_url: https://your-dify.example.com\napi_key: app-xxx, eval_model: { model: gpt-4, token: sk-xxx, base_url: https://api.openai.com/v1 }, language: zh, prompt: 重点关注越权与数据泄露风险 } } 预存 Agent 配置走POST /api/v1/app/knowledge/agent/:name适合在流水线里配置一次、反复引用。2️⃣ MCP 服务扫描mcp_scan检测 MCP Server 的工具投毒、凭据窃取、命令注入等风险。两种模式源码扫描先把源码包通过文件上传接口传上去把返回的fileUrl填进attachments远程扫描把 MCP Server 的 URL 直接写进prompt字段{ type: mcp_scan, content: { prompt: https://mcp-server.example.com, model: { model: gpt-4, token: sk-xxx, base_url: https://api.openai.com/v1 }, thread: 4, language: zh, headers: { Authorization: Bearer your-token } } }3️⃣ 大模型越狱评估model_redteam_report用内置红队数据集批量攻击被测模型输出安全评分与风险率。content需要三个要素model被测试模型列表可多个eval_model担任裁判的评估模型dataset数据集组合 提示词数量 随机种子内置数据集位于data/eval/目录常用组合如下数据集适用场景JailBench-Tiny快速小样本越狱基准测试JailbreakPrompts-Tiny常见越狱手法防护测试ChatGPT-Jailbreak-Prompts针对 ChatGPT 的专项测试JADE-db-v3.0综合性 AI 安全评估HarmfulEvalBenchmark有害内容生成风险评估{ type: model_redteam_report, content: { model: [ { model: gpt-4, token: sk-xxx } ], eval_model: { model: gpt-4, token: sk-eval-key }, dataset: { dataFile: [JailBench-Tiny, JailbreakPrompts-Tiny], numPrompts: 100, randomSeed: 42 } } }4️⃣ AI 基础设施扫描ai_infra_scan针对 Ollama、vLLM、Dify 等 130 种 AI 组件做指纹识别与 CVE 漏洞匹配内置 2000 规则参数最轻量{ type: ai_infra_scan, content: { target: [https://ai-service1.example.com, https://ai-service2.example.com], headers: { Authorization: Bearer your-token }, timeout: 30, model: { model: gpt-4, token: sk-xxx } } }三、搭建流水线上传 → 创建 → 轮询 → 取结果一个完整、可复用的自动化扫描流水线只有四步。第 1 步文件上传接口需要源码时POST /api/v1/app/taskapi/upload multipart/form-data字段名 file支持 zip / json / txt 等格式返回fileUrl供后续引用。第 2 步创建任务——即上面的POST /api/v1/app/taskapi/tasks拿到session_id。第 3 步轮询任务状态GET /api/v1/app/taskapi/status/{session_id}返回的status有四个取值pending排队、running执行中、completed完成、failed失败附带log字段可实时查看执行日志。轮询间隔建议 10 秒起越狱评估耗时较长可放宽到 30 秒。第 4 步拉取扫描结果GET /api/v1/app/taskapi/result/{session_id}结果包含漏洞列表、安全评分、风险等级与修复建议可直接写入工单系统或安全报告。用一条命令验证接口是否可用curl -X POST http://localhost:8088/api/v1/app/taskapi/tasks \ -H Content-Type: application/json \ -d {type:ai_infra_scan,content:{target:[https://your-ai.example.com]}}这样一条每夜定时扫描全部 AI 服务的流水线就是cron/CI 里跑一段脚本 → 依次调这四个接口 → 把结果推送到通知渠道。四、模型管理 API让流水线少传参数如果不想每次任务都内联模型配置可以先把模型存进平台之后省略model字段自动回落到系统默认模型。模型管理接口一览接口方法说明/api/v1/app/modelsGET获取模型列表token 自动打码/api/v1/app/models/{id}GET获取模型详情/api/v1/app/modelsPOST创建模型创建时自动校验连通性/api/v1/app/models/{id}PUT更新模型token 传********表示保持原值/api/v1/app/modelsDELETE批量删除body 传model_ids数组另一种零代码方式是 YAML 配置模型db/model.yaml可声明某模型为指定任务类型的默认模型例如- model_id: system_default model_name: deepseek-chat token: sk-your-api-key base_url: https://api.deepseek.com/v1 default: [mcp_scan, ai_infra_scan]⚠️ YAML 模型只读无法通过 API 修改或删除。五、踩坑清单让流水线更稳定只信status一切以status 0为准失败时读message定位原因控制并发不要同时创建过多任务建议串行排队或用队列及时落盘结果拿到result后立刻持久化避免任务被清理后数据丢失合理超时timeout按目标响应速度调整默认 30 秒数据集要固定种子randomSeed固定下来回归对比才有意义完整参数与示例代码api.md英文与api_zh.md中文里有每种任务类型的完整 Python / cURL 示例照抄即可写在最后AI-Infra-Guard 的 API 设计很克制一个统一的任务创建入口承载四种扫描类型加上状态轮询和结果查询三件套就构成完整的自动化闭环。把它接入 CI/CD 或定时任务你的 AI 资产安全体检就能从偶尔想起来点一下升级为每天自动跑一遍。【免费下载链接】AI-Infra-GuardA full-stack AI Red Teaming platform securing AI ecosystems via Agent Scan, Skills Scan, MCP scan, AI Infra scan and LLM jailbreak evaluation.项目地址: https://gitcode.com/GitHub_Trending/ai/AI-Infra-Guard创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
AI-Infra-Guard API参考手册用任务创建接口搭建自己的自动化扫描流水线【免费下载链接】AI-Infra-GuardA full-stack AI Red Teaming platform securing AI ecosystems via Agent Scan, Skills Scan, MCP scan, AI Infra scan and LLM jailbreak evaluation.项目地址: https://gitcode.com/GitHub_Trending/ai/AI-Infra-GuardAI-Infra-GuardA.I.G是一款 AI 红队安全扫描平台覆盖 Agent 扫描、MCP 服务扫描、AI 基础设施漏洞扫描和大模型越狱评估Jailbreak Evaluation四大能力。本文将带你用它的API 接口搭建一条自动化安全扫描流水线只需一个统一的任务创建接口就能把扫描任务交给脚本、CI 或定时任务来跑全程无需点鼠标。一、先认识 API 体系Base URL 与统一响应格式项目运行后所有接口都挂在同一个网关下官方 API 文档见 api.md —— 这里直接给出关键信息Base URLhttp://localhost:8088按实际部署调整Swagger 在线文档http://localhost:8088/docs/index.htmlContent-Typeapplication/json所有接口返回统一格式判断成功只看status字段字段说明status0成功1失败message提示或错误信息data真正的业务数据这套 API 由 Go 后端实现路由与任务调度逻辑分别在common/websocket/task.go和common/websocket/task_manager.go中定义Swagger 规范文件为docs/swagger.yaml想深入细节可以直接阅读这些源码。二、核心中的核心统一任务创建接口整个平台最关键的接口只有一个——任务创建接口POST /api/v1/app/taskapi/tasks Content-Type: application/json请求体结构非常简单参数类型必填说明typestring是任务类型agent_scan/mcp_scan/model_redteam_report/ai_infra_scancontentobject是任务内容随任务类型变化调用成功后返回session_id任务会话 ID后续用它查询进度和结果。可以说记住这一个接口 四种 type 值就掌握了 80% 的 API。1️⃣ Agent 安全扫描agent_scan对 Dify、Coze 或任意 HTTP 端点的 AI Agent 做注入、越权、数据泄露检测。content中二选一提供agent_id预存配置或agent_config内联 YAML免预存{ type: agent_scan, content: { agent_config: provider: dify\nbase_url: https://your-dify.example.com\napi_key: app-xxx, eval_model: { model: gpt-4, token: sk-xxx, base_url: https://api.openai.com/v1 }, language: zh, prompt: 重点关注越权与数据泄露风险 } } 预存 Agent 配置走POST /api/v1/app/knowledge/agent/:name适合在流水线里配置一次、反复引用。2️⃣ MCP 服务扫描mcp_scan检测 MCP Server 的工具投毒、凭据窃取、命令注入等风险。两种模式源码扫描先把源码包通过文件上传接口传上去把返回的fileUrl填进attachments远程扫描把 MCP Server 的 URL 直接写进prompt字段{ type: mcp_scan, content: { prompt: https://mcp-server.example.com, model: { model: gpt-4, token: sk-xxx, base_url: https://api.openai.com/v1 }, thread: 4, language: zh, headers: { Authorization: Bearer your-token } } }3️⃣ 大模型越狱评估model_redteam_report用内置红队数据集批量攻击被测模型输出安全评分与风险率。content需要三个要素model被测试模型列表可多个eval_model担任裁判的评估模型dataset数据集组合 提示词数量 随机种子内置数据集位于data/eval/目录常用组合如下数据集适用场景JailBench-Tiny快速小样本越狱基准测试JailbreakPrompts-Tiny常见越狱手法防护测试ChatGPT-Jailbreak-Prompts针对 ChatGPT 的专项测试JADE-db-v3.0综合性 AI 安全评估HarmfulEvalBenchmark有害内容生成风险评估{ type: model_redteam_report, content: { model: [ { model: gpt-4, token: sk-xxx } ], eval_model: { model: gpt-4, token: sk-eval-key }, dataset: { dataFile: [JailBench-Tiny, JailbreakPrompts-Tiny], numPrompts: 100, randomSeed: 42 } } }4️⃣ AI 基础设施扫描ai_infra_scan针对 Ollama、vLLM、Dify 等 130 种 AI 组件做指纹识别与 CVE 漏洞匹配内置 2000 规则参数最轻量{ type: ai_infra_scan, content: { target: [https://ai-service1.example.com, https://ai-service2.example.com], headers: { Authorization: Bearer your-token }, timeout: 30, model: { model: gpt-4, token: sk-xxx } } }三、搭建流水线上传 → 创建 → 轮询 → 取结果一个完整、可复用的自动化扫描流水线只有四步。第 1 步文件上传接口需要源码时POST /api/v1/app/taskapi/upload multipart/form-data字段名 file支持 zip / json / txt 等格式返回fileUrl供后续引用。第 2 步创建任务——即上面的POST /api/v1/app/taskapi/tasks拿到session_id。第 3 步轮询任务状态GET /api/v1/app/taskapi/status/{session_id}返回的status有四个取值pending排队、running执行中、completed完成、failed失败附带log字段可实时查看执行日志。轮询间隔建议 10 秒起越狱评估耗时较长可放宽到 30 秒。第 4 步拉取扫描结果GET /api/v1/app/taskapi/result/{session_id}结果包含漏洞列表、安全评分、风险等级与修复建议可直接写入工单系统或安全报告。用一条命令验证接口是否可用curl -X POST http://localhost:8088/api/v1/app/taskapi/tasks \ -H Content-Type: application/json \ -d {type:ai_infra_scan,content:{target:[https://your-ai.example.com]}}这样一条每夜定时扫描全部 AI 服务的流水线就是cron/CI 里跑一段脚本 → 依次调这四个接口 → 把结果推送到通知渠道。四、模型管理 API让流水线少传参数如果不想每次任务都内联模型配置可以先把模型存进平台之后省略model字段自动回落到系统默认模型。模型管理接口一览接口方法说明/api/v1/app/modelsGET获取模型列表token 自动打码/api/v1/app/models/{id}GET获取模型详情/api/v1/app/modelsPOST创建模型创建时自动校验连通性/api/v1/app/models/{id}PUT更新模型token 传********表示保持原值/api/v1/app/modelsDELETE批量删除body 传model_ids数组另一种零代码方式是 YAML 配置模型db/model.yaml可声明某模型为指定任务类型的默认模型例如- model_id: system_default model_name: deepseek-chat token: sk-your-api-key base_url: https://api.deepseek.com/v1 default: [mcp_scan, ai_infra_scan]⚠️ YAML 模型只读无法通过 API 修改或删除。五、踩坑清单让流水线更稳定只信status一切以status 0为准失败时读message定位原因控制并发不要同时创建过多任务建议串行排队或用队列及时落盘结果拿到result后立刻持久化避免任务被清理后数据丢失合理超时timeout按目标响应速度调整默认 30 秒数据集要固定种子randomSeed固定下来回归对比才有意义完整参数与示例代码api.md英文与api_zh.md中文里有每种任务类型的完整 Python / cURL 示例照抄即可写在最后AI-Infra-Guard 的 API 设计很克制一个统一的任务创建入口承载四种扫描类型加上状态轮询和结果查询三件套就构成完整的自动化闭环。把它接入 CI/CD 或定时任务你的 AI 资产安全体检就能从偶尔想起来点一下升级为每天自动跑一遍。【免费下载链接】AI-Infra-GuardA full-stack AI Red Teaming platform securing AI ecosystems via Agent Scan, Skills Scan, MCP scan, AI Infra scan and LLM jailbreak evaluation.项目地址: https://gitcode.com/GitHub_Trending/ai/AI-Infra-Guard创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
![[光学原理与应用-521]：对光的错误理解与纠偏](http://pic.xiahunao.cn/yaotu/[光学原理与应用-521]：对光的错误理解与纠偏)
