- 综合排序
- 最热优先
- 最新优先
- 来自专栏中国白客联盟
Havoc Framework C2 Agent开发记录
授权转载 背景 Havoc是一个现代的、可塑性的开发后命令和控制框架，适用于渗透测试人员、红队和蓝队。它是Github上的免费开源软件，由Paul Ungur（C5pider）编写和维护。 Custom Agent(自定义) 在Havoc Framework的Github主页上，提供了4个Agent的样例： 观察了一下源代码以后，发现这些Agent全部都不兼容Linux、MacOS，本文介绍一下如何开发跨平台 要学习Havoc Agent的开发，可以先参考：https://codex-7.gitbook.io/codexs-terminal-window/red-team/red-team-dev/extending-havoc-c2 第三方Agent注册以后，发送的数据都是固定的结构，每次数据发送到C2监听端口，会检查4个字节的（Magic Value）魔数： （CALLBACK DATA）回调数据会被TeamServer发送到 ： C2 > shell_script powershell.exe /local/path/to/file.ps1 C2 > shell_script /bin/bash
3K10编辑于 2023-10-20 Agent开发-Agent Skills总结
WHO（谁负责） Skill 涉及三个角色，职责清晰分离： 角色 负责什么 核心能力 应用层（Agent框架） 技能注册、权限控制、元数据注入、实际执行 确定性、安全性、管理性 LLM 理解元数据、匹配用户意图 、选择技能、按指令执行 语义理解、推理决策 开发者/领域专家 编写 SKILL.md、开发脚本、定义业务规则 领域知识、工程实现 决策分工： • 应用层负责："有什么技能可用"（提供菜单） • LLM 元数据层 name + description ~20 token/技能 应用层注入 2. 决策层 语义匹配，选择技能 推理计算 LLM 3. 2-3倍 成本 $0.15/次 $0.03/次 5倍节省 错误率 20% 2% 10倍提升 开发效率 2周/功能 2天/功能 5倍提升 终极总结 # Skill 的 5W1H 一句话版 WHAT = 给 LLM 看的 SOP（标准作业程序） WHY = 让 AI 从"会调用工具"变成"懂业务地工作" WHO = 应用层管注册 + LLM做决策 + 开发者写内容 WHEN = 需要多步流程
5510编辑于 2026-06-25- 来自专栏Python
理解 Agent2Agent(A2A)、Agent to Agent和链式函数调用的区别与联系
在构建 AI 智能体系统或多模块任务执行架构时，我们常会遇到三个关键术语： Agent to Agent 链式函数调用 Agent2Agent (A2A) 它们看似类似，甚至常被混用，但实际上分别属于不同的抽象层次 (A2A)│ ← 架构范式（设计） └─────────────────┘ 这意味着： 链式函数调用是编程行为 Agent to Agent是通信语义 Agent2Agent (A2A) 是系统设计理念 两个 Agent 间的信息传递行为 多智能体协同、机器人通信 Agent2Agent (A2A) 系统架构层 一个 Agent 主动调用其他 Agent 协作解决问题 LLM Agent 编排、AutoGen 、Qwen-Agent 三、类比理解：函数 vs 人 vs 智能体 类比对象 说明 链式函数调用 像开发者写死流程：a().b().c() Agent to Agent 像两个人对话、互发信息，协作完成任务 Agent2Agent 像一个“项目经理型 AI”会调度多个“专家型 AI”组成动态团队，解决复杂任务 类比一句话总结： 链式函数调用像拼装生产线，Agent to Agent像员工交流，而Agent2Agent
1.2K10编辑于 2025-07-10 Agent开发-Agent Skills是什么
Discovery (扫描)：Agent 启动时，只读取 SKILL.md 里的 name 和 description。内存占用极小，只为了“知道有什么”。 2. Agent Skills最大的改变就在于渐进式披露，其本质依然是行业中大家都在不断优化的提示词工程和上下文工程，其对提示词做了标准化拆分，通过在本地创建相关文件并控制文件的读取，只在Agent需要时自主且自动加载内容 反观Skills，Agent 最初只加载多个 Skills 的元数据（每个 Skill 占用几百 token），当 Agent 认为需要使用某个具体的 Skill，就会读取这个 Skill.md 说明（ 几千 token） Skill 里还可以无限嵌套下去，告诉 Agent，想要深入了解某个具体问题，还可以继续读取哪份文件。 官方文档： https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview
4710编辑于 2026-06-25- 来自专栏IT云清
java agent开发
本文主要记录下如何创建一个简单的java Agent，并配置运行。 1.创建Agent类 package com.java4all.grouth.agent; import java.lang.instrument.Instrumentation; /** * @ description: java Agent * @author: IT云清 */ public class MyAgent { public static void premain(String Instrumentation instrumentation) { System.out.println("This is MyAgent,args:"+agentArgs); } } 2. MANIFEST.MF 配置文件 这里在src/main/resources/META-INF/下创建一个MANIFEST.MF文件，指定Agent class和版本相关信息。
1.4K10编辑于 2021-12-06 - 来自专栏技术杂记
Zabbix Agent 安装2
script]# 默认情况下 zabbix_agentd 会监听在 0.0.0.0:10050 上面，所以要将防火墙打开，以方便与zabbix server之间的通信 ---- 启动zabbix-agent [root@zbx-target zabbix]# /etc/init.d/zabbix-agent start Starting Zabbix agent: S 16:11 0:00 \_ zabbix_agentd: listener #2 [waiting for connection] zabbix 26129 0.0 0.0 77336
96710编辑于 2022-03-21 - 来自专栏技术杂记
Zabbix Agent 安装2
S 17:02 0:00 \_ zabbix_agentd: listener #2 [waiting for connection] zabbix 26933 0.0 0.0 77388
66820编辑于 2022-03-22 - 来自专栏技术杂记
Zabbix Agent 安装2
zbx-target zabbix]# /etc/init.d/zabbix-agent start Starting Zabbix agent: S 16:11 0:00 \_ zabbix_agentd: listener #2 [waiting for connection] zabbix 26129 0.0 0.0 77336 0:off 1:off 2:off 3:off 4:off 5:off 6:off [root@zbx-target zabbix]# chkconfig zabbix-agent on [ root@zbx-target zabbix]# chkconfig --list | grep zabbix zabbix-agent 0:off 1:off 2:on 3:on 4:on 5 CPU.NUMBER}":0,"{#CPU.STATUS}":"online"},{"{#CPU.NUMBER}":1,"{#CPU.STATUS}":"online"},{"{#CPU.NUMBER}":2,
73020编辑于 2022-03-22 - 来自专栏Agent大模型工坊
Windows搭建Agent开发平台-WSL2+Dify本地部署及开发指南
本指南通过使用WSL2（Windows Subsystem for Linux 2）与Dify构建本地化的AI应用开发平台。 WSL2提供了完整的Linux内核支持，可流畅运行Docker及相关容器化工具。在WSL2中安装Docker后，可像在纯Linux下那样运行容器，大幅简化部署流程。 （二）核心组件解析Dify：可视化LLM应用开发平台Dify是开源的 LLM 应用开发平台，提供从 Agent 构建到 AI workflow 编排、RAG 检索、模型管理等能力，轻松构建和运营生成式 提供了简洁的界面和多元化的功能模块，让开发者可以快速组合大模型与数据，创建自己的聊天助手或智能流程。内置了丰富的插件和工作流机制，可整合多种大模型与外部API。 WSL2：Windows原生Linux子系统可让Windows 10/11用户直接运行Linux二进制程序，实现近乎完整的Linux开发体验。对比WLS1具备更优的I/O性能及系统兼容性。
5.7K21编辑于 2025-02-11 - 来自专栏前端小羊
需求理解agent开发
要开发一个能深入理解项目的智能体（Agent），需要考虑多方面的项目理解和推理能力。 扫描项目结构 project_structure = self.scan_project_structure() # 2. 个文件包含依赖引入 """ return report四、使用示例 # 使用智能体分析项目 if __name__ == "__main__": # 初始化智能体 agent = ProjectUnderstandingAgent("/path/to/your/project") # 生成完整分析报告 report = agent.generate_report () print(report) # 获取详细的项目理解 project_understanding = agent.understand_project()
30910编辑于 2026-06-17 - 来自专栏FunTester
Java Agent 开发初探
Java Agent 概况 简介和功能 Java Agent是一种特殊的Java程序，允许开发者在 Java 应用程序运行时对其进行动态修改和监控的机制。 那么，我们如何开发一个 Java Agent 呢，下面我们来仔细说说。 开发 Java Agent 需要遵循一下规范，下面是几个必备的部分： 实现 premain 方法 premain 方法是 Java Agent 的入口点，类似于主程序的 main 方法。 实用案例 性能监控 Java Agent技术在性能监控领域的应用非常广泛，它可以帮助开发者实时监控应用程序的运行状态，识别性能瓶颈。 漏洞扫描：Agent可以集成漏洞扫描工具，对应用程序进行深度的安全检查，及时发现并修复安全漏洞。 性能影响 开发Java Agent时，性能影响是一个需要特别关注的问题。
81710编辑于 2025-01-23 - 来自专栏用户8734432的专栏
Zabbix-agent2安装
Agent2安装： 1.关闭防火墙 sed -i 's/SELINUX=enforcing/SELINUX=disabled/' /etc/selinux/config systemctl disable -y 5.查看命令 ls -l /usr/sbin/zabbix_agent2 -rwxr-xr-x. 1 root root 17608104 Apr 26 16:27 /usr/sbin/zabbix_agent2 6.启动客户端 systemctl enable --now zabbix-agent2 7.配置agent2配置文件 找到Server、ServerActive、Hostname并对应填进去 vi =oracle11g(主机的名字) 显示刚刚修改的内容命令 grep -Ev '^#|^$' /etc/zabbix/zabbix_agent2.conf 8.最后重启zabbix-agent2 systemctl restart zabbix-agent2
1.2K10发布于 2021-07-14 多模态Agent开发实战
多模态Agent开发实战入门一、什么是多模态Agent？多模态Agent是指能够同时处理和理解多种类型数据（文本、图像、音频、视频等）的智能体，并能基于这些理解执行任务、做出决策。 Gemini Pro Vision开源模型：LLaVA、Qwen-VL、CogVLM2、MiniGPT-4三、关键技术难点与解决思路难点解决方案多模态对齐使用CLIP等预训练对齐模型；设计跨模态注意力机制长上下文处理分段处理 +摘要；滑动窗口注意力实时性要求模型量化（GPTQ/AWQ）；边缘端部署（ONNX/TensorRT）工具调用准确性结构化输出（JSON模式）；ReAct模式循环验证多Agent协作冲突引入仲裁Agent ；明确角色分工（如CrewAI的Process）四、项目实践路线第1周：掌握基础API调用（GPT-4V或Qwen-VL）→ 完成图文问答第2-3周：集成LangChain → 构建可调用工具（搜索、计算 、数据库）的Agent第4-5周：添加记忆模块 → 实现多轮对话上下文保持第6-8周：多模态RAG → 图片库检索 + 文档问答进阶方向：视频流理解、语音交互、多Agent协同
32610编辑于 2026-04-27Agent开发入门教程
适合读者： 1.刚开始做 Agent 项目，想快速落地最小可用版本 2.需要在“简单查询、复杂交互、知识问答”之间做架构选型 3.希望统一前后端、模型、工具与存储技术栈 一、先理解整体架构 从上到下可以分为 6 层： 用户层：工作台、LangSmith 等入口 2. 先跑通 FC 直连工具 路径：`Top Agent -> FC 工具 -> 后端 API` 适合：单次调用、简单 CRUD、无需复杂推理。 2. 三、技术栈清单（按层） 前端 Vue `3.x / 2.x` TypeScript `5.x` Vite `5.x` / Webpack `5.x` Tailwind CSS `3.x` shadcn/ 2. Top Agent 先接 FC 跑通 1 个核心业务场景。 3. 再按业务需要逐步引入 MCP、Sub Agent、RAG。 4. 同步接入日志、Tracing、重试和超时机制。
57910编辑于 2026-04-15Agent开发：StateGraph vs CompiledGraph
Spring AI Alibaba 项目从架构上包含如下三层： Agent Framework 是一个以 ReactAgent 设计理念为核心的 Agent 开发框架，使开发者能够构建具备自动上下文工程和人机交互等核心能力的 Agent。 Graph graph 是一个低级别的工作流和多代理协调框架，能够帮助开发者实现复杂的应用程序编排，它具备丰富的预置节点和简化的图状态定义，Graph 是 Agent Framework 的底层运行时基座 2. 验证所有节点 for (var node : nodes.elements) { node.validate(); } // 2.
3400编辑于 2026-06-25Agent开发-MCP是什么
对于 LLM 开发者，MCP 是一个变革性的协议。 它消除了为每个数据源或工具进行定制集成的需要，减少了开发时间和维护成本。 从本质上来说，MCP是一种技术协议，一种智能体Agent开发过程中共同约定的一种规范。 在统一的规范下，协作效率就能大幅提高，最终提升智能体Agent的开发效率。 传统的Function calling技术要求围绕不同的外部工具API单独创建一个外部函数，类似一把锁单独配一把钥匙，而一个智能体又往往涉及到多个外部工具设计，因此开发工作量很大。 2、查询工具 ：获取服务器上所有外部工具的数量信息。 3、生成列表 ：将查询到的外部工具整理成列表，并融入当前对话场景。 VS Function calling Function Calling是AI大模型模型调用函数的机制， MCP是一个标准协议，使大模型与API无缝交互， 而AI Agent是一个自主运行的智能系统，利用
4200编辑于 2026-06-25- 来自专栏运维开发故事
ZABBIX Agent2监控docker
横空大气排山去，砥柱人间是此峰 牛兆濂《登华岳南峰极顶七绝》 Zabbix Agent2监控docker容器 首先我们先来看一下zabbix agent2监控docker插件的实现原理，其实就是通过调用 docker的API来获取数据，插件目录位于zabbix-agent2/src/go/plugins/docker，我们先来看一下client.go文件 这里就是定义了使用UNIX套接字地址来进行docker 了解了docker插件的实现思路后我们可以根据我们的需求进行扩展，添加对应的api获取数据就可以了，或者根据这个思路在zabbix agent上实现相同的自定义脚本，甚至可以根据docker插件的实现逻辑来自己编写插件实现其他的监控需求 下面我们来使用agent2的模板监控docker 链接docker模板 ?
1.4K20发布于 2020-11-03 - 来自专栏XINDOO的专栏
Agent设计模式——第 15 章：Agent 间通信（A2A）
A2A 的核心概念 A2A 协议为 Agent 交互提供结构化方法，建立在若干核心概念之上。深入理解这些概念对任何开发或集成 A2A 兼容系统者都至关重要。 图 1：A2A 和 MCP 协议比较 A2A 旨在提高效率、降低集成成本，并促进复杂多 Agent AI 系统开发中的创新和互操作性。 通过利用 Agent 卡片和 ADK，开发人员可创建能与 Google Calendar 等工具集成的互操作 AI Agent。此实用方法展示了 A2A 在建立多 Agent 生态系统中的应用。 Trickle AI 等工具有助于可视化和跟踪 A2A 通信，帮助开发人员监控、调试和优化多 Agent 系统。 该协议为开发人员构建更复杂、分布式和智能的多 Agent 系统铺平道路。最终，A2A 是促进创新和互操作的协作 AI 生态系统的基础支柱。
2.1K10编辑于 2025-10-27 Agent开发-编程Agent如何重塑工程、产品与设计
PRD（产品需求文档）已死 在 Claude 时代之前，PRD 是软件开发的核心。EPD 的流程通常是这样的： 1. 有人（通常是产品经理）有了一个想法 2. 产品经理写一份 PRD 3. 工程师将原型图转化为代码 想法 → PRD → 原型图 → 代码 这并非硬性规定（在初创公司这些步骤是融合的，最好的构建者能同时做多项工作），但这是教科书式的开发方式。 编程Agent改变了这一切。 编程Agent可以直接将一个想法转化为功能软件。当我说（以及其他人说）“PRD 已死”时，我们真正的意思是：这种从撰写 PRD 开始的传统软件构建方式已经终结了。 2. 现在他们只需要与Agent沟通。这意味着他们仅凭自己就能产生比以往任何时候都大得多的影响力。 2. 编程Agent是刚需 随着编程Agent让实施变得廉价，使用它们成为了一种要求。 • 设计师： 采用编程Agent可以在代码中迭代，而不仅仅是在 Figma 中。 • 工程师： 采用编程Agent可以将时间从实施转移到系统思考。
5700编辑于 2026-06-25- 来自专栏Zabbix中国官方
给你加个buff: Zabbix 6.0 Agent 2 !
Zabbix agent 2 的开发旨在为用户提供更多附加功能 —— 从支持的采集指标的增加到指标采集逻辑的改进和简化的自定义监控插件的开发。 无论对于新的原生 Zabbix agent 2 指标的内部开发还是我们社区完成的自定义 Zabbix agent 2 插件开发都是如此。 我们通过在 GO 中开发 Zabbix agent 2 来实现这一目标。GO 语言让我们实现更少的代码、更多的灵活性和更模块化的方法成为可能。 agent 2 插件 Zabbix agent 2 的底层结构基于 GO 插件。这种方法用于官方 Zabbix agent 2 监控项，并应用于开发自定义社区扩展。 可加载插件 我们来总结一下 Zabbix agent 2 插件的逻辑： 外部插件可在 Zabbix agent 2 启动时加载，无需重新编译 Zabbix agent 2 在 Linux 上使用 Unix
1.5K30编辑于 2022-04-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号