CTFd API实战指南:CTF Agent如何每5秒自动抓取新题并下发解题任务

原创2026-10-24 13:13:302,173 阅读
文章标签:人工智能AI AgentAI 应用自主智能体网络安全

CTFd API实战指南:CTF Agent如何每5秒自动抓取新题并下发解题任务

CTF Agent(ctf-agent)是一款自主 CTF 求解器,让多个 AI 模型在 Docker 沙箱中并行竞速解题,曾在 BSidesSF 2026 拿下 52/52 满分并夺得冠军。本文拆解它最核心的工程链路:如何用 CTFd API 每 5 秒轮询一次、增量检测新题,并把解题任务自动下发给多模型解题蜂群(Swarm)。

项目简介:CTF Agent 是什么 🤖

用一句话概括:一个 Coordinator(协调器)LLM 管理整场比赛,N 个解题 Swarm 各自攻击一道题,每个 Swarm 内多个模型同时开工,谁先找到 flag 谁赢。

它的默认模型阵容(定义在 backend/models.py)覆盖了两个厂商的 5 个模型:

模型 提供方 定位
Claude Opus 4.6 (medium) Claude SDK 速度与质量均衡
Claude Opus 4.6 (max) Claude SDK 深度推理
GPT-5.4 Codex 综合最强
GPT-5.4-mini Codex 快,适合简单题
GPT-5.3-codex Codex 高推理强度

整体数据流如下(摘自 README.md):

+-----------------+
|  CTFd Platform  |
+--------+--------+
         |
+--------v--------+
|  Poller (5s)    |   ← 每 5 秒轮询一次 CTFd API
+--------+--------+
         |
+--------v--------+
| Coordinator LLM |   ← Claude / Codex 当"队长"
+--+--+--+--------+
   |  |  |
 Swarm Swarm Swarm  ← 每道题一个蜂群,5 个模型竞速
   |  |  |
 Docker Sandbox(隔离容器,预装 pwntools、radare2、GDB…)

CTFd API 实战第一步:三种认证方式

所有对 CTFd 的调用都封装在 backend/ctfd.py 的 CTFdClient 中,它同时兼容两种认证:

  • Token 认证(推荐):请求头带上 Authorization: Token <你的token>,最简洁;
  • 账号密码登录:先 GET /login 页面正则提取 nonce,再 POST /login 换取 session cookie;
  • CSRF 兜底:非 Token 提交时从 /challenges 页面提取 csrfNonce,遇到 403 会自动刷新令牌重试一次。

轮询用的核心接口只有两个,非常轻量:

接口 用途
GET /api/v1/challenges?per_page=500 拉取题目列表(轻量 stub,过滤 hidden 题),见 fetch_challenge_stubs
GET /api/v1/users/me + /solves 拉取已解题名单(区分队伍/个人),见 fetch_solved_names

提交 flag 则走 POST /api/v1/challenges/attempt,并按 correct / already_solved / incorrect 三种状态给出可读反馈,见 submit_flag。

5 秒轮询原理:增量对比而非全量拉取 ⏱️

轮询器 CTFdPoller 在 backend/poller.py 中,默认 interval_s = 5.0。它的巧妙之处在 三次设计:

  1. 静默播种(Seed):启动时先拉一次题目和已解列表,只填充"已知状态",不触发任何事件——避免开局把存量题目当成"新题"误报;
  2. 集合差集检测:每 5 秒对题目名单和已解名单各做一次差集,current - known 得到 new_challenge 或 challenge_solved 事件,放入异步事件队列,核心逻辑见 _poll_once;
  3. 防误报保护:如果本轮返回的题目数不足已知的一半,或已解数突然清零(通常是 API 抖动),直接跳过本轮,防止把故障当成"题目全没了"。

后台循环本身只有两行语义:sleep(5s) → poll_once(),见 _loop。

新题出现后:任务如何下发 🏁

Poller 产出事件后,真正的调度发生在共享协调器循环 run_event_loop(backend/agents/coordinator_loop.py),它同时服务 Claude 和 Codex 两种协调器后端:

  • 开局指令:统计 CTF is LIVE: X 题 / Y 已解,把未解清单一次性告知 Coordinator LLM,并立即对所有未解题 自动预生成 Swarm(_auto_spawn_unsolved),即使 LLM 漏发指令也有兜底;
  • 新题秒级响应:每轮先取事件(5 秒超时),检测到 new_challenge 就既通知 LLM("Spawn a swarm")又直接 自动拉起 Swarm;
  • 解出即止损:challenge_solved 事件到达时,自动 kill() 对应 Swarm,不再浪费 token;
  • 人机协同:内置一个本地 HTTP 端口,允许操作员在赛中大呼提示(Operator Message),与 solver 消息、Swarm 状态合并后一并交给 Coordinator,每 60 秒还附一条含花费($)的状态汇报。

任务下发的具体动作在 do_spawn_swarm 中,顺序是:

  1. 容量检查:活跃 Swarm 数达到 max_concurrent_challenges(默认 10,CLI --max-challenges 可调)就排队等待;
  2. 自动拉题:本地没有该题目录时,调用 pull_challenge 下载附件到 distfiles/,并把题目描述(HTML 转 Markdown)、分类、分值、标签、connection_info、hints 写入 metadata.yml;
  3. 启动竞速:构造 ChallengeSwarm(backend/agents/swarm.py),按模型 spec 分发到 Claude SDK / Codex / Pydantic AI 三类求解后端,为每个模型开独立 Docker 沙箱。

同队模型之间还能"串通":每道题内置一个 ChallengeMessageBus 消息总线,A 模型的发现(如"这道题是 RSA,e=65537")会被 B 模型在下一轮 prompt 中读到,避免重复踩坑。

快速上手:4 步跑通 CTFd 自动解题

# 1. 克隆仓库
git clone https://gitcode.com/gh_mirrors/ct/ctf-agent
cd ctf-agent

# 2. 安装依赖并构建解题沙箱镜像
uv sync
docker build -f sandbox/Dockerfile.sandbox -t ctf-sandbox .

# 3. 配置凭据(CTFd 地址/Token + 至少一家模型厂商的 API Key)
cp .env.example .env

# 4. 启动协调器,全自动解题
uv run ctf-solve \
  --ctfd-url https://ctf.example.com \
  --ctfd-token ctfd_your_token \
  --challenges-dir challenges \
  --max-challenges 10 -v

沙箱镜像定义在 sandbox/Dockerfile.sandbox,预装了 pwn/rev/crypto/forensics/stego 全谱系工具。不想连 CTFd?仓库根目录还有独立拉题脚本 pull_challenges.py,支持 Token 或账号密码两种认证,把题目下载到本地目录后即可用 --challenge 目录 单题调试。配置项集中管理在 backend/config.py,支持 .env 与环境变量双通道。

关键源码文件速查 📂

模块 路径 职责
CTFd 客户端 backend/ctfd.py 认证、拉题、拉附件、提交 flag
5 秒轮询器 backend/poller.py 增量检测新题 / 已解题,产出事件
协调器主循环 backend/agents/coordinator_loop.py 事件消费、自动 spawn / kill Swarm
协调器工具函数 backend/agents/coordinator_core.py 拉题、下发 Swarm、读 solver 轨迹
解题蜂群 backend/agents/swarm.py 多模型竞速、flag 去重提交
消息总线 backend/message_bus.py 跨模型共享发现
模型阵容 backend/models.py 默认 5 模型 spec 与上下文窗口
CLI 入口 backend/cli.py ctf-solve 参数解析

小结

CTF Agent 的 CTFd 链路可以浓缩为一条公式:轻量 stub 轮询(5s)→ 集合差集事件化 → Coordinator 事件循环 → 自动拉题 + 多模型 Swarm 竞速。它证明了在竞赛场景下,"轮询 + 增量检测 + 事件驱动"这套朴素而稳健的模式,足以支撑 100% 解题率的全自动作战——这套架构对任何需要持续监听外部平台状态并自动触发任务流的 Agent 项目,都有直接参考价值。

登录后查看全文
ctf-agent