AI Agent 工程入门：Vibe Coding、MCP、OpenClaw 与 Hermes
一、为什么安全岗位也要了解 AI Agent
最近面试安全研究、红队、蓝队和安全开发岗位时，越来越容易被问到：
1 | 有没有 vibe coding 经验？ |
这类问题本质上不是单纯问“会不会用 AI 写代码”，而是在看你是否了解新一代 AI Agent 工程方式：
- 如何让 AI 读代码、改代码、跑命令、调用工具。
- 如何通过 MCP 把外部系统接入大模型。
- 如何把经验沉淀成可复用 skill。
- 如何理解 AI Agent 带来的安全风险。
对安全研究实习来说，这些内容可以和自动化漏洞分析、日志研判、报告生成、代码审计辅助结合起来。
二、Vibe Coding 是什么
Vibe Coding 可以理解为一种高度依赖大模型的开发方式：人用自然语言描述目标，AI 生成代码，人再通过运行、反馈、修正来不断迭代。
它适合：
- 快速写原型。
- 写小工具。
- 生成测试脚本。
- 整理报告模板。
- 辅助理解陌生代码。
但它不等于“完全不看代码”。如果不审查 AI 生成的代码，就容易出现：
- 安全漏洞。
- 逻辑错误。
- 依赖混乱。
- 敏感信息泄露。
- 代码不可维护。
我更推荐把它理解成：
1 | AI 辅助开发 + 人类负责审查、测试和安全边界 |
而不是把 AI 生成结果直接上线。
三、Skill 是什么
Skill 可以理解为给 AI Agent 的“专业操作手册”。
普通提示词可能只告诉 AI：
1 | 帮我分析日志 |
而 skill 会把流程固化下来：
1 | 1. 先识别日志格式 |
对安全方向来说，适合沉淀成 skill 的内容包括：
- Web 日志分析流程
- WebShell 排查流程
- 渗透测试报告模板
- SRC 报告模板
- 代码审计检查清单
- 应急响应检查清单
简单说，skill 的价值是把一次性的经验变成可复用能力。
四、MCP 是什么
MCP 全称 Model Context Protocol，可以理解为一种让 AI 应用连接外部工具、数据源和服务的标准协议。
传统方式中，每个 AI 工具都要单独适配数据库、GitHub、文件系统、浏览器、消息平台等能力。
MCP 的思路是：
1 | AI Client <-> MCP Server <-> 外部工具/数据源 |
常见 MCP Server 可以提供：
- 文件读取
- 数据库查询
- GitHub 操作
- 浏览器自动化
- 搜索能力
- 消息平台读写
- 内部系统 API 调用
对安全研究来说，MCP 很有价值，因为它让 AI 不只是聊天，而是能“带工具工作”：
1 | 读取日志 -> 分析异常 -> 调用脚本 -> 生成报告 |
但 MCP 也会引入新的安全边界问题，比如工具权限过大、提示注入诱导工具调用、敏感文件被读取等。
五、OpenClaw 是什么
OpenClaw / OpenClaw CE 这类工具可以理解为开源 AI Agent 平台。它们通常会把大模型和本地工具、浏览器、GitHub、文件系统、MCP Server 等能力连接起来。
典型能力：
- 接入 OpenAI、Claude、Gemini、Ollama 等模型。
- 通过 MCP 调用外部工具。
- 浏览网页获取实时信息。
- 操作文件系统。
- 辅助代码开发。
- 作为桌面端或 CLI Agent 使用。
从安全角度看，OpenClaw 这类平台的重点不是“能不能聊天”，而是：
1 | AI 是否被授予了实际操作权限 |
一旦 Agent 能读文件、跑命令、访问浏览器、调用 API，就必须考虑权限控制和审计。
六、Hermes 是什么
Hermes Agent 可以理解为一个支持消息平台、工具调用和 MCP 的 AI Agent 系统。它既可以连接 MCP Server，也可以作为 MCP Server 暴露能力给其他客户端。
比如：
1 | Claude Code / Cursor / Codex |
这种架构的价值是：
- 让 AI Agent 接入消息平台。
- 让其他 MCP 客户端读取会话或发送消息。
- 把跨平台消息能力变成可调用工具。
安全上要关注：
- 会话历史是否包含敏感信息。
- 发送消息是否需要人工确认。
- MCP 工具是否暴露过多权限。
- Agent 是否可能被提示注入诱导发送敏感内容。
七、安全研究中的实践方向
如果我要把这些技术和安全研究结合，可以从以下方向做小项目：
1. AI 辅助 Web 日志分析
流程：
1 | Nginx access.log |
体现能力：
- 日志分析
- Python
- AI 辅助研判
- 安全报告
2. MCP 安全实验环境
搭建一个只读文件 MCP Server：
1 | 只允许读取 ./logs 目录 |
然后测试：
- 工具边界是否生效。
- 提示注入能否诱导读取敏感文件。
- Agent 是否会泄露不该输出的内容。
3. SRC 报告生成助手
输入：
1 | 漏洞 URL |
输出：
1 | 漏洞标题 |
这个项目很适合和 SRC 练习结合。
4. AI 代码审计辅助
让 AI 读取某个项目中的代码，重点检查：
- SQL 拼接
- 文件上传
- SSRF
- 反序列化
- 命令执行
- 鉴权缺失
但最终结论必须人工复核。
八、面试时怎么回答
如果面试官问：
1 | 你有 vibe coding 经验吗？ |
可以这样回答：
1 | 有接触。我会用 AI 辅助写 Python 安全小工具和博客分析脚本，比如日志攻击特征提取、报告模板生成。但我不会直接信任 AI 生成的代码，会自己检查逻辑、运行测试，并关注敏感信息和命令执行风险。 |
如果问：
1 | 了解 MCP 吗？ |
可以回答：
1 | MCP 是一种让 AI Agent 连接外部工具和数据源的协议。它可以把文件系统、数据库、浏览器、消息平台等能力暴露给模型调用。安全上我比较关注工具权限、调用审计、提示注入和敏感数据泄露问题。 |
如果问：
1 | OpenClaw / Hermes 了解吗？ |
可以回答：
1 | 我理解它们属于 AI Agent 平台或 Agent 运行环境，可以连接模型、工具、MCP 和外部服务。我的关注点是它们如何授权工具调用，以及如何避免 Agent 误读文件、误发消息或被提示注入诱导执行危险操作。 |
九、学习路线
建议按这个顺序学：
1 | 1. Vibe Coding：用 AI 写小脚本，但自己审查 |
十、总结
Vibe Coding、Skill、MCP、OpenClaw、Hermes 这些词背后，其实都指向同一个趋势：
1 | AI 不再只是回答问题，而是在工具授权下执行任务 |
对安全研究方向来说，这既是效率提升，也是新的攻击面。真正有价值的不是简单说“我会用 AI”，而是能讲清楚：
- AI Agent 怎么接入工具。
- 工具调用有什么权限边界。
- 如何把安全经验变成 skill。
- 如何防止提示注入和敏感数据泄露。
这类能力会越来越像安全研究和安全开发的基础技能。