Skip to content

m-sec-org/kimi-cli-for-xbow

BranchesTags

Repository files navigation

Kimi CLI

Warning

本项目说明：此版本是基于 官方 Kimi CLI 改造的定制版本，非官方主线版本。

包含额外的功能扩展（CTF Agent、Daemon 模式、自定义模型等），如需使用官方版本，请访问 MoonshotAI/kimi-cli。

主要功能

基于 kimi-cli 二次开发的针对 CTF 竞赛的专用 Agent

Important

建议与 ez-xbow-platform-mcp 配合使用。

🎯 本版本新增功能：

  • ✨ 自定义 OpenAI 模型 API 接口支持 - 支持 DeepSeek、通义千问等第三方模型
  • 🛡️ Xbow 专用 Agent - 针对竞赛优化的 Agent
  • 🤖 Daemon 模式自动解题 - 配合 xbow MCP 自动获取题目并解题
  • ⏰ 命令执行防沉迷保护 - 防止无限循环和过度命令执行
  • 📁 Kimi Session 隔离 - 按工作目录维护独立的对话上下文

原有功能：

  • 类 Shell 的 UI 和 Shell 命令执行
  • Zsh 集成
  • 支持
  • MCP 支持
  • 更多功能持续开发中...

安装

Kimi CLI 以 Python 包的形式发布在 PyPI 上。我们强烈推荐使用 uv 进行安装。如果你还没有安装 uv，请先按照这里的说明进行安装。

安装好 uv 后，你可以使用以下命令安装 Kimi CLI：

uv tool install --python 3.13 kimi-cli

运行 kimi --help 检查 Kimi CLI 是否安装成功。

Important

由于 macOS 的安全检查机制，首次运行 kimi 命令可能需要 10 秒或更长时间，具体取决于你的系统环境。

使用以下命令将 Kimi CLI 升级到最新版本：

使用

在你想要工作的目录中运行 kimi 命令，然后发送 /setup 来配置 Kimi CLI：

配置完成后，Kimi CLI 就可以使用了。你可以发送 /help 获取更多信息。

🏆 比赛环境快速启动

Important

以下是完整的 CTF 自动解题环境配置流程，适用于需要使用 Daemon 模式进行自动化解题的场景。

第一步：配置 xbow MCP 服务

在当前目录创建 mcp.json 配置文件：

{
    "mcpServers": {
        "xbow": {
            "url": "http://127.0.0.1:8080"
        }
    }
}

第二步：启动 xbow MCP 服务

xbow MCP 项目地址：ez-xbow-platform-mcp 根据使用场景选择启动方式：

使用模拟平台运行（测试）：

./xbow-mcp --mock -listen 127.0.0.1:8080

使用真实平台运行：

./xbow-mcp \
  -xbow-url https://your-xbow-platform.com \
  -xbow-token YOUR_AUTH_TOKEN \
  -mode streamable \
  -listen 127.0.0.1:8080

第三步：配置 Kimi CLI

  1. 安装依赖：
uv sync
  1. 进入交互式命令行配置模型：
uv run kimi
  1. 在 kimi 命令行中发送 /setup 配置模型（参考自定义 OpenAI API 接口部分）
  2. 配置完成后退出保存

第四步：启动自动解题

  1. 根据实际情况修改启动脚本 start.sh 中的模型参数（-m）
  2. 运行启动脚本：
sh start.sh

构建二进制（可选，用于多开）

如果需要同时运行多个 CLI 实例进行并行解题，可以构建独立的二进制文件：

make build

构建完成后，你可以：

  • 在不同目录中同时运行多个 kimi 实例
  • 每个实例独立配置不同的 agent 和模型
  • 实现多 agent 并行解题，提高效率

示例多开配置：

# 终端1：使用 DeepSeek 模型
cd /path/to/project1
./kimi -a security -m deepseek-chat --daemon --verbose -c "优先做 web 题"

# 终端2：使用其他模型
cd /path/to/project2
./kimi -a security_beta -m qwen-plus --daemon --verbose -c "优先做 pwn 题"

功能

Shell 模式

Kimi CLI 不仅是一个编码 Agent，同时也是一个 Shell。你可以通过按 Ctrl-X 来切换模式。在 Shell 模式下，你可以直接运行 Shell 命令而无需离开 Kimi CLI。

Note

像 cd 这样的内置 Shell 命令暂不支持。

Zsh 集成

你可以将 Kimi CLI 与 Zsh 一起使用，为你的 Shell 体验赋予 AI Agent 能力。

通过以下命令安装 zsh-kimi-cli 插件：

git clone https://github.com/MoonshotAI/zsh-kimi-cli.git \
  ${ZSH_CUSTOM:-~/.oh-my-zsh/custom}/plugins/kimi-cli

Note

如果你使用的不是 Oh My Zsh 的插件管理器，可能需要参考插件的 README 了解安装说明。

然后在 ~/.zshrc 中将 kimi-cli 添加到 Zsh 插件列表：

plugins=(... kimi-cli)

重启 Zsh 后，你可以通过按 Ctrl-X 切换到 Agent 模式。

ACP 支持

Kimi CLI 开箱即支持 。你可以将它与任何兼容 ACP 的编辑器或 IDE 一起使用。

例如，要在 Zed 中使用 Kimi CLI，请在 ~/.config/zed/settings.json 中添加以下配置：

{
    "agent_servers": {
        "Kimi CLI": {
            "command": "kimi",
            "args": ["--acp"],
            "env": {}
        }
    }
}

然后你就可以在 Zed 的 Agent 面板中创建 Kimi CLI 线程了。

使用 MCP 工具

Kimi CLI 支持成熟的 MCP 配置约定。例如：

{
    "mcpServers": {
        "context7": {
            "url": "https://mcp.context7.com/mcp",
            "headers": {
                "CONTEXT7_API_KEY": "YOUR_API_KEY"
            }
        },
        "chrome-devtools": {
            "command": "npx",
            "args": ["-y", "chrome-devtools-mcp@latest"]
        }
    }
}

使用 --mcp-config-file 选项运行 kimi 以连接到指定的 MCP 服务器：

kimi --mcp-config-file /path/to/mcp.json

cli 目录下放置mcp.json无需指定配置文件会自动读取

自定义 OpenAI API 接口

Kimi CLI 支持使用自定义的 OpenAI 兼容 API 端点，可以使用 DeepSeek、通义千问等第三方模型服务。

方式一：通过 /setup 配置（推荐）

运行 kimi 后，发送 /setup 命令进行交互式配置：

  1. 选择 API 平台：

    Select the API platform
   1. Kimi For Coding
   2. Moonshot AI 开放平台 (moonshot.cn)
   3. Moonshot AI Open Platform (moonshot.ai)
>  4. Custom API

  2. 选择 Provider 类型：

    Select provider type
>  1. OpenAI Legacy
   2. OpenAI Responses
   3. Kimi
   4. Anthropic

  3. 根据提示输入 API Base URL 和 API Key

支持的第三方服务示例：

  • DeepSeek

    • API Base: https://api.deepseek.com/v1
    • Provider: OpenAI Legacy
    • Model: deepseek-chat, deepseek-coder 等

  • 通义千问（Qwen）

    • API Base: https://dashscope.aliyuncs.com/compatible-mode/v1
    • Provider: OpenAI Legacy
    • API Key: 从阿里云获取

  • 其他 OpenAI 兼容服务

    • 只要提供 OpenAI 兼容接口的服务都可以使用

方式二：通过命令行参数

直接在启动时指定（注：此功能需要相应的命令行参数支持）：

kimi --openai-api-base https://api.deepseek.com/v1 --openai-api-key YOUR_API_KEY -m deepseek-chat

此功能允许你使用各种 OpenAI 兼容的第三方模型服务或自托管模型。

Xbow 专用 Agent

Kimi CLI 包含专为竞赛设计的特殊 Agent(ctfer,security,security_beta) 模式。此模式针对安全分析、漏洞评估以及 CTF 挑战中常见的问题解决任务进行了优化。

https://github.com/swisskyrepo/PayloadsAllTheThings

security_betaagent ，需要先 clone 上面这个仓库，借助 cli 的文件工具进行技巧筛选

Daemon 模式自动解题

Kimi CLI 可以在 daemon 模式下运行，并在与 xbow MCP 服务器集成时自动获取和解决 CTF 题目。此功能支持持续的自动化解题工作流。

配置 Daemon 模式

  1. 在当前目录创建 MCP 配置文件 mcp.json（Kimi CLI 会自动加载当前目录的 mcp.json）：
{
    "mcpServers": {
        "xbow": {
            "url": "http://127.0.0.1:8080"
        }
    }
}
  1. 启动 Daemon 模式进行自动解题：
kimi -a security -m deepseek-chat --daemon --verbose -c "优先尝试没有做过的题目,解决的题禁止尝试做和验证,如果list_challenges没有题目就说明完成任务了,不需要进行任何操作"

参数说明：

  • -a security：指定使用 security（CTF）专用 agent
  • -m deepseek-chat：指定使用的模型（可根据需要选择其他模型）
  • --daemon：启用 daemon 模式
  • --verbose：显示详细日志
  • -c "..." 或 --command "..."：初始任务指令，指导 agent 的解题策略

  1. 工作原理：

    • Daemon 在后台持续运行
    • 自动从 xbow MCP 获取新题目（通过 list_challenges）
    • 使用指定的 agent 和模型分析并尝试解决问题
    • 自动提交解决方案
    • 记录所有活动以供审查
    • 当没有新题目时自动完成任务

  2. 监控 Daemon 模式：

    • 查看实时日志：使用 --verbose 参数查看详细的执行日志
    • 停止 Daemon：使用 Ctrl-C 或发送终止信号

Tip

你可以根据实际需求自定义任务指令，例如：

  • 指定题目类型：-c "只做 web 类型的题目"
  • 调整解题策略：-c "优先做简单题目，从低分开始"
  • 设置完成条件：-c "完成 10 道题目后停止"

Note

  • MCP 配置文件默认从当前目录的 mcp.json 加载，无需指定 --mcp-config-file 参数
  • 建议使用 --verbose 参数以便实时监控 daemon 的执行状态
  • Agent 类型 -a 和模型 -m 参数请根据实际项目配置

Tip

📚 完整环境配置指南：如需配置 CTF 比赛环境进行自动解题，请参考 比赛环境快速启动 章节，包含 xbow MCP 配置、服务启动、模型配置和多开等完整说明。

命令执行防沉迷

为了防止意外的无限循环或过度的命令执行，Kimi CLI 包含了防沉迷保护功能。此功能会监控命令执行频率，并在检测到异常模式时暂停或发出警告。

该保护功能会自动：

  • 跟踪命令执行频率
  • 检测潜在的无限循环
  • 在达到限制前提供警告
  • 必要时临时暂停执行

此功能默认启用，防止 agent 降智

Kimi Session 隔离

Kimi CLI 支持 session 隔离，允许你维护独立的对话上下文。每个工作目录会有独立的 session，拥有自己的：

  • 对话历史
  • 上下文和状态
  • 配置设置

使用方式：

每次运行 kimi 时，会为当前工作目录创建一个新的 session：

kimi

如果要继续上一次的 session，使用 --continue 或 -C 参数：

kimi --continue
# 或者
kimi -C

也可以通过 --work-dir 或 -w 指定工作目录：

kimi -w /path/to/project --continue

Session 数据存储：

  • Session 数据会存储在当前目录的 .kimi 文件夹中
  • 每个工作目录会创建独立的 session
  • 不同目录的项目有各自独立的 .kimi 文件夹和 session 历史

这在以下场景特别有用：

  • 同时处理多个项目
  • 为不同任务维护独立的上下文
  • 将 CTF 解题会话与开发工作隔离
  • 在不同项目目录中保持各自的对话历史

Development

To develop Kimi CLI, run:

git clone https://github.com/MoonshotAI/kimi-cli.git
cd kimi-cli

make prepare  # prepare the development environment

Then you can start working on Kimi CLI.

Refer to the following commands after you make changes:

uv run kimi  # run Kimi CLI

make format  # format code
make check  # run linting and type checking
make test  # run tests
make help  # show all make targets

Contributing

We welcome contributions to Kimi CLI! Please refer to CONTRIBUTING.md for more information.

About

基于kimi-cli二次开发的针对CTF竞赛的专用Agent

Resources

Readme

License

Apache-2.0 license

Contributing

Contributing
Activity
Custom properties

Stars

41 stars

Watchers

0 watching

Forks

6 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages