PentAGIでペンテスト工数を削減する3つの仕組みと安全な導入手順

PentAGIは、事前の攻撃計画立案から既知ツールの自動実行、報告書のドラフト作成までを一貫して自動化し、セキュリティ技術者の作業工数を大幅に削る自律型侵入テストシステムです。セキュリティ診断の内製化を進めたいものの、専門要員の不足や高額な外部委託費に頭を抱えていませんか。

専門資格を持つホワイトハッカーの手作業は、事前調査だけでも膨大なログ確認とツール操作を要求します。PentAGIを適切に組み込むと、定型的な偵察や既知の脆弱性照合をAIが肩代わりし、人間は最終判断と高度な論理検証に集中できます。安全に実務へ組み込むための設計と導入手順を整理してお伝えします。

---

PentAGIとはどのようなAIツールか？

PentAGIとは、VXControlが主導して開発しているMITライセンスのオープンソース侵入テスト自動化基盤です。2025年初頭に公開されて以降開発が継続され、GitHub上では32,000件以上のスターを獲得しています。

従来の脆弱性スキャナは、対象サーバーに対して定義済みのリクエストを送信し、定型のエラーパターンを検知する仕組みでした。PentAGIは異なり、LLM（大規模言語モデル）を頭脳とする自律エージェントが標的の応答を解釈し、次にとるべき調査行動を自律的に決定します。ポートスキャンで得られた開放ポート情報をもとに、関連するWebアプリケーションの探索スクリプトを自動選定して実行する挙動はその典型です。

[標的システム] 
      ▲
      │ (隔離実行)
[Dockerコンテナ群: nmap / sqlmap / Metasploit]
      ▲
      │ (実行指示・ログ収集)
[PentAGI エージェント群 (計画・調査・攻撃・報告)]
      ▲
      │ (推論リクエスト)
[LLM (クラウドAPI または ローカルLLM)]

基盤の全体像を把握するために、主要な仕様と特徴を一覧表に整理しました。

つまり、PentAGIは既存のセキュリティツール群をAIエージェントの指示下で統括し、自律的な診断フローを構築するプラットフォームです。

業務自動化全般のトレンドを把握したい場合は、AI自動化ツールの最新動向もあわせて確認しておくと理解が深まります。

---

ペンテストの現場が抱える工数課題とPentAGIが解決する領域

従来のペネトレーションテスト（侵入テスト）では、1回の診断プロジェクトで数十時間から数百時間の人件費が費やされます。その大半は、対象ホストの洗い出し、稼働サービスのバージョン確認、定型的なエクスプロイトスクリプトの調整といった初期作業です。

手動診断では、診断員がターミナルでコマンドを手作業入力し、出力結果をテキストエディタに貼り付けて解析します。この反復作業が技術者の疲弊を招き、よりクリエイティブな業務ロジックの脆弱性発見に使える時間を圧迫してきました。

PentAGIはこの初期調査フェーズと定型検証フェーズを集中的に肩代わりします。情報収集と脆弱性の一次検知をエージェントが自動で走破し、発見された脆弱性の再現手順とPoC（概念実証）ログを整理した状態で人間に提示します。人間の専門家は「本当に実害がある脆弱性か」「ビジネス影響度はどの程度か」という最終監査に集中できる構造に変わります。

セキュリティ部門全体の生産性を底上げするアプローチについては、AIセキュリティ技術の基礎解説でも詳しく整理されています。

---

工数を削減する3つの自律型エージェント構造

PentAGIの作業効率化は、単一のAIがすべてのタスクを処理する構造ではありません。役割が厳密に分割された複数の専門エージェントがチームとして連携する仕組みを採用しています。

主なエージェント構造は次の3系統で構成されます。

• 計画・方針策定エージェント: スコープ定義を読み込み、テスト方針の策定と攻撃対象グラフ（アタックグラフ）を動的に更新します。
• 調査・攻撃実行エージェント: ポート調査、バナー収集、Webパラメータ走査、既知エクスプロイト検証を指示に従って実行します。
• 監査・レポート生成エージェント: 収集された実行ログと試行結果を照合し、CVSS基準の危険度判定と修正推奨案を文書化します。

この協調動作により、1つのプロンプト（AIへの指示文）で長文を処理する際に発生しやすいハルシネーション（AIがそれっぽい嘘をつく現象）を抑制します。各エージェントの具体的な役割分担を比較します。

つまり、計画・実行・記録の責務を分離することで、診断プロセスが迷走するリスクを抑えながら作業を自動化しています。

自律型AIの動作原理や設計思想を深めたい方は、AIエージェントの仕組みと活用例を併読すると全体のアーキテクチャが明瞭になります。

---

Docker分離環境で稼働する20以上の標準診断ツール

AIがシェルコマンドを直接実行する仕組みをそのままホストマシン上で動かすのは、セキュリティ上極めて危険です。PentAGIは、すべての診断ツール群を独立したDockerコンテナ内に完全隔離して稼働させます。

コンテナ内には、セキュリティ実務で標準的に使われる20種類以上の検証ツールが最初からセットアップされています。

+-------------------------------------------------------------+
|                      PentAGI ホスト                         |
|  +-------------------------------------------------------+  |
|  |                 Docker 隔離ネットワーク               |  |
|  |                                                       |  |
|  |  [nmap]      [sqlmap]     [Metasploit]   [ffuf]       |  |
|  |  (探索)      (SQLi検証)   (攻撃検証)     (パス探索)   |  |
|  |                                                       |  |
|  |  [nikto]     [hydra]      [wpscan]       [gobuster]   |  |
|  |  (Web走査)   (認証試行)   (CMS診断)      (辞書探索)   |  |
|  +-------------------------------------------------------+  |
+-------------------------------------------------------------+

エージェントは標的の状況に応じて、どのツールをどの引数で呼び出すかを自律判断します。たとえばWebサーバーのポート80や443が開いている場合、まずはディレクトリ探索ツールを起動し、入力フォームを見つけた段階でSQLインジェクション検証ツールへバトンを渡します。

ツール実行時のパラメータや出力結果はすべてPentAGIのデータベースに記録され、管理画面上でリアルタイムに追跡可能です。手作業で1つずつコマンドを打ち込んで出力テキストを整理する手間が省けるため、ツール間の連携コストはゼロになります。

---

クラウドLLMとローカルLLMのどちらを選ぶべきか？

PentAGIを運用するにあたり、最も重要な意思決定の1つが「バックエンドとなるLLMモデルの選定」です。OpenAIやAnthropicなどの商用クラウドAPIを使う手法と、社内サーバーに配備したローカルLLMを使う手法の2通りが存在します。

結論からお伝えすると、機密性の高い社内本番環境の診断にはローカルLLM、外部公開資産の定期チェックや開発環境のスクリーニングには商用クラウドAPIの組み合わせが合理的です。

判断基準となる特性の差異を表にまとめました。

つまり、検出精度とシナリオの柔軟性を最優先するならクラウドAPI、標的サーバーのIPアドレスや内部構成情報を一切外に出せない制約があるならローカルLLMの一択です。

LLMの性能差やコスト感を把握したい方は、GeminiとChatGPTの料金・性能比較やPerplexityとGeminiの使い分けガイドも判断材料として役立ちます。

---

PentAGIの動作要件と事前準備

PentAGIを安定稼働させるためには、一定のサーバースペックと適切な依存ソフトウェアの導入が必要です。特にDockerコンテナが同時に複数立ち上がるため、メモリ容量には余裕を持たせる必要があります。

最低動作環境と推奨環境の目安は以下の通りです。

最低動作環境:
- CPU: 4コア以上
- メモリ: 8GB RAM
- ストレージ: 50GB以上の空き容量（SSD推奨）
- OS: Linux (Ubuntu 22.04 LTS / 24.04 LTS 推奨) または macOS
- ソフトウェア: Docker Engine 24.0以上、Docker Compose v2以上、Git

推奨環境（実務運用）:
- CPU: 8コア以上
- メモリ: 16GB〜32GB RAM
- ストレージ: 100GB以上の高速NVMe SSD
- ネットワーク: 検証対象へ低遅延で疎通可能な独立検証セグメント

事前のインフラ準備において、ホストマシンを社内業務用PCと同一セグメントに置かない設計が鉄則です。万が一の誤動作やトラフィック増大に備え、検証専用のVPCまたは独立したVLANを用意します。

API利用の場合は、OpenAIやAnthropicのダッシュボードでAPIキーを発行し、利用上限額（Usage Limits）をあらかじめ設定しておきます。エージェントがループ処理に入った際の想定外な課金爆発を未然に防止するためです。

---

5ステップで完了する安全なセットアップ手順

PentAGIの環境構築は、Docker Composeを利用して迅速に完了できます。公式リポジトリからソースコードを取得し、初期設定ファイルを調整して起動する流れとなります。

具体的な手順は次の5段階です。

ステップ1: リポジトリのクローン

ホストサーバーのターミナルで作業ディレクトリを作成し、公式リポジトリを取得します。

git clone https://github.com/vxcontrol/pentagi.git
cd pentagi

ステップ2: 環境変数ファイル（.env）の作成

同梱されているサンプル設定ファイルを複製し、環境変数を定義します。

cp .env.example .env

.env 内で使用するモデルのAPIキーや接続エンドポイントを指定します。クラウドAPIを利用する場合は以下の形式で記述します。

# 使用するLLMプロバイダの設定
OPENAI_API_KEY=your_openai_api_key_here
ANTHROPIC_API_KEY=your_anthropic_api_key_here

# PentAGI管理画面の認証設定
ADMIN_USER=security_admin
ADMIN_PASSWORD=your_strong_password_here
PORT=8080

ステップ3: Dockerコンテナイメージのビルドと起動

バックグラウンドでコンテナ群を立ち上げます。初回のビルド時は20以上のセキュリティツール群の取得が発生するため、ネットワーク環境に応じて10分から20分程度の時間を要します。

docker compose pull
docker compose up -d

ステップ4: 稼働状態の確認

すべてのサービスコンテナが正常に起動しているかをステータスコマンドで確認します。

docker compose ps

pentagi-server、pentagi-db、各種ワーカーコンテナのステータスが Up または running になっていることを確かめます。

ステップ5: 管理Web UIへの初期アクセス

ブラウザから http://<ホストのIPアドレス>:8080 にアクセスします。ステップ2で指定した管理者資格情報（ユーザー名・パスワード）を入力してログインすると、アタックグラフとプロジェクト管理ダッシュボードが表示されます。

---

意図しない攻撃を防ぐスコープ制御とセーフティ設計

ペネトレーションテストにおいて最大のタブーは、許可されていない第三者システムへの攻撃トラフィック送出です。自律型AIに攻撃ツールの操作権限を渡す以上、厳格なセーフティガードをプログラム側で強制しなければなりません。

PentAGIには、あらかじめ指定されたFQDNおよびIPアドレスの範囲外に対するリクエストをネットワークレベルで遮断する機能が備わっています。

[ターゲット定義: 192.168.10.50 のみ]
                    │
                    ▼
[スコープ制御フィルタ (CIDR & FQDN検査)]
    ├─ 許可 ──> [192.168.10.50: 攻撃ツール実行]
    │
    └─ 遮断 ──> [192.168.10.51: 即座に強制停止・アラート通知]

現場で安全運用を徹底するための必須チェック項目をまとめました。

• ターゲットのCIDR固定: 対象ネットワークを 192.168.10.50/32 のように単一IPで指定し、余計なサブネット拡張を許可しない。
• 除外ホストリスト（Blacklist）の明示: デフォルトゲートウェイ、Active Directoryサーバー、決済関連データベースをブラックリストに登録する。
• DoS系コマンドの実行禁止フラグ: サービス停止を誘発する高負荷スキャンやSYNフラッド攻撃ツールの実行権限をあらかじめ無効化する。
• 人間の承認ステップ（Human-in-the-Loop）の有効化: 破壊的な変更を伴うエクスプロイト実行前に、UI上で管理者の承認ボタン押下を必須化する。

安全対策を怠った自律AIの運用は、インシデントの火種に直結します。ガードレール設計を固めてから実稼働に移ることが肝要です。

AI活用時のガバナンス設計や社内ポリシー作成については、AIプロジェクト管理のベストプラクティスの知見も参考になります。

---

診断実行からレポート出力までの実務ワークフロー

安全設定を終えた後、実際のペンテスト業務はどのような流れで進むのかを解説します。実際の運用フローは、ターゲット定義、実行監視、所見精査の3段階に集約されます。

1. タスクの登録とゴール設定

Web UI上で新規プロジェクトを作成し、対象URLまたはIPアドレスを入力します。この際、「外部公開ポートの調査のみ」「SQLインジェクションの脆弱性確認まで」「特権昇格の試行を含む完全検証」といった診断深度を指定します。

2. 実行監視とアタックグラフの推移確認

診断が開始されると、画面上にノードとエッジで構成された「アタックグラフ」が動的に描画されます。

[開始] ──> [nmap: ポート80/443開放検知]
                │
                ├──> [Webサーバー探索: Apache 2.4.x]
                │         │
                │         └──> [既知脆弱性照合: CVE調査]
                │
                └──> [ディレクトリ走査: /admin を発見]
                          │
                          └──> [認証試行: ブルートフォース制限検知]

エージェントが「何を考え、どのツールを動かし、どのような結果を得たか」がすべて可視化されるため、ブラックボックス化しません。万が一意図しない挙動を見せた場合は、画面上の緊急停止（Kill Switch）ボタンを押すことで、即座に関連Dockerコンテナを停止できます。

3. 所見のトリアージと修正レポートの出力

診断が完了すると、監査エージェントが収集データを集約してMarkdownおよびPDF形式の報告書ドラフトを出力します。

報告書には以下の要素が含まれます。

• 発見された脆弱性の名称とCVSSスコア
• 実際に脆弱性を突いた際のリクエスト・レスポンスログ（再現コード）
• 影響を受けるシステムコンポーネント
• 推奨される具体的な修正パッチおよび設定変更手順

手動で数日かけてまとめていた証跡整理が最初から完成された状態で手に入るため、技術者は「所見が妥当か」「誤検知ではないか」の確認に専念できます。

業務文書の自動生成やテキスト整理の手法を学びたい場合は、AIライティングツールの実践活用法も役立つ視点を提供してくれます。

---

PentAGIとPenligentの機能・運用コストの違いは？

自律型セキュリティAIの分野では、PentAGIと並んでPenligentという選択肢も比較対象に挙がります。両者はアーキテクチャの方向性と想定ユーザー層が明確に異なります。

PentAGIは、オープンソースとしてインフラ全体を自社でホストし、ツールの組み合わせやモデル設定を細かくチューニングしたい技術者向けのシステムです。Penligentは、パッケージ化された検証機能と管理基盤を統合的に利用できる商用指向のスタックを提供しています。

両ツールの設計思想の違いを比較表にまとめました。

つまり、自由な拡張性と閉域網での完全制御を求めるならPentAGIが適しており、運用の手離れの良さを重視するならパッケージ製品が選択肢に入ります。

開発チームにおけるAI導入の意思決定プロセスについては、プロダクトマネージャーのためのAI活用術でも論点整理の進め方が紹介されています。

---

AIペンテストを業務導入する際の法的リスクと社内合意

PentAGIは強力な侵入テストツールであり、その取り扱いを誤ると「不正アクセス禁止法」や各種法令に抵触する恐れがあります。技術的なセットアップ以上に、組織内の合意形成と法的枠組みの整備が不可欠です。

実務で安全に運用するための必須要件は3点あります。

1. 書面による明確な実施許諾の取得: 診断対象のサーバーやドメインの所有者から、実施日時、対象IP、使用ツールを明記した「侵入テスト実施同意書」を事前に締結します。
2. クラウドサービス事業者の規約遵守: AWS、Google Cloud、Microsoft Azureなどのパブリッククラウド上で稼働する資産をテストする場合、各プロバイダが定める侵入テストポリシー（事前の申請要否や禁止事項）を確認します。
3. データ送信先の透明性確保: 商用クラウドLLMを使用する場合、推論プロンプトに含まれる脆弱性情報や通信ログがモデルの再学習に使用されない契約（Zero Data Retentionなど）になっているかを確認します。

これらを怠って無断で外部サーバーへスキャンを実行した場合、サイバー攻撃とみなされ法的な処罰の対象となります。「自社管理下の閉じた環境で、事前に承認を得て実施する」原則を社内規定として明文化しておくことが求められます。

業務でのコンプライアンス管理全般の動向は、AIリーガルツールの最新動向でも詳しく整理されています。

---

AI PICKS編集部の判定

PentAGIは、セキュリティ診断の工数削減において圧倒的な実用性を持つツールです。

従来はホワイトハッカーの手作業に頼り切りだった初期調査からPoCログ作成までを自律エージェントが高速処理する仕組みは、ペンテスト業務のあり方を根本から変えるポテンシャルを秘めています。Dockerによる実行環境の隔離とアタックグラフのリアルタイム可視化が最初から組み込まれている点も、実務導入のハードルを大きく下げています。

ただし、無条件に全自動化を任せられる銀の弾丸ではありません。意図しないポートへのスキャン拡大やDoS攻撃の誘発を防ぐためのスコープ制御は、依然として人間の設計力に依存します。完全放置での全自動テストを期待すると痛い目を見ます。

「スコープ制御とセーフティを人間が固め、定型スキャンとレポート一次ドラフトをPentAGIに任せる」という分担設計を敷ける組織であれば、ペンテストにかかる外部委託費用や社内工数を劇的に圧縮できる一択のオープンソース基盤です。

---

よくある質問（FAQ）

Q. PentAGIの利用に料金はかかりますか？

PentAGI本体はMITライセンスのオープンソースソフトウェアとして提供されているため、完全無料で利用できます。費用が発生するのは、PentAGIを稼働させるホストサーバーのインフラ費用と、OpenAIやAnthropicなどの商用LLMをAPI連携させた際の従量課金トークン代のみです。ローカルLLM（Ollama等）を利用した完全セルフホスト構成であれば、ソフトウェアおよび推論コストをゼロで運用することも可能です。

Q. 初心者でもセットアップして動かせますか？

DockerおよびDocker Composeの基本操作、Linuxコマンドの基礎知識があればセットアップ自体は1時間以内で完了します。ただし、出力されたアタックグラフの妥当性を評価したり、安全なスコープ設定を施したりするには、最低限のネットワーク知識（IPアドレス、ポート、HTTPプロトコル）と脆弱性の基礎知識が必要です。完全な非エンジニアが単独で運用するのは推奨されません。

Q. 日本語での診断レポート作成には対応していますか？

プロンプト設定により、診断結果の要約や所見解説を日本語で出力させることが可能です。PentAGI内部の思考プロセスやツール実行ログ自体は英語で処理されますが、最終的なレポーターエージェントへの指示文に「日本語で出力してください」と指定することで、実務でそのまま活用できる日本語レポートドラフトを作成できます。

Q. クラウド環境（AWSやGCP）の診断に使っても規約違反になりませんか？

主要なクラウドプロバイダ（AWS、Azure、GCP等）では、顧客自身の所有する仮想マシンやリソースに対する侵入テストを一定の条件下で許可しています。ただし、DDoS攻撃やインフラ基盤そのものへの攻撃は厳格に禁止されています。PentAGIを実行する際は、DoSフラグを無効化し、自社が専有するインスタンスのIPのみを厳密にターゲット指定する設定が不可欠です。

Q. 社内の本番環境で実行してもサービス停止のリスクはありませんか？

リスクはゼロではありません。脆弱性検証ツール（sqlmapやMetasploit等）の挙動によっては、データベースの高負荷やWebプロセスの異常終了を引き起こす可能性があります。本番環境で直接実行するのではなく、まずは本番と同等構成のステージング環境や開発環境で検証を実施し、影響度を確かめてから段階的に適用範囲を広げるのが鉄則です。

---

あわせて見たいツール・カテゴリ

AIを活用したセキュリティ強化や業務効率化をさらに進めるために、関連するツールやカテゴリの比較記事も参考にしてください。

• AIセキュリティツールの最新トレンドとランキング
• 業務を自動化する自律型AIエージェントの活用比較
• ワークフロー全体を効率化するAI自動化の選び方
• 開発業務のスピードを加速させるAIコーディングツールの解説
• 組織の生産性を高めるAIツールの導入ガイド

診断基盤の自動化を足がかりに開発プロセス全体の効率化を図りたい場合は、プログラミング開発を支援するAIツールの導入手順を次に読むと、より広い開発現場への展開手順が具体化します。

---

参考にした一次情報

記事の事実関係は、次の公式ページで確認しています。仕様や料金は変わることがあるため、最新の内容は各ページで確かめてください。

• GitHub「vxcontrol/pentagi」リポジトリ（公式）：vxcontrol配下のMITライセンスのリポジトリで、スター数は33.2kです（2026年11月確認）
• PentAGIドキュメント「Introduction」（公式）：nmapやmetasploitなど20種以上のツールが、Dockerのサンドボックスコンテナで動きます（2026年11月確認）
• PentAGIドキュメント「LLM providers」（公式）：OpenAI、Anthropic、Gemini、Bedrock、Ollamaのほか、OpenAI互換エンドポイントにも接続できます（2026年11月確認）