Shannon ist ein autonomer KI Pentester für Web Apps und APIs von Keygraph. Er liest den Quellcode einer Anwendung, findet Angriffswege und beweist sie mit echten Exploits gegen die laufende App.
Das Prinzip heißt No exploit, no report: Nur Schwachstellen mit funktionierendem Proof of Concept landen im Bericht. Mit Version 3.0 vom 2. September 2026 kamen eine agentische Code Analyse, PDF Reports, SARIF und offizielle Integrationen für GitHub Actions und GitLab CI dazu. Das Projekt steht unter AGPL 3.0 auf GitHub und hat über 48.000 Stars.
Shannon versteht sich als Gegenstück zum schnellen Vibe Coding. Wer täglich mit KI Agenten Code erzeugt, testet so jedes Release statt nur einmal im Jahr. Auf der Entwicklerseite ergänzt Vise Coding mit Guardrails diesen Ansatz.
Ein Tag inhouse mit Benjamin Klein für Developer, Tester und Admins. Context Engineering, Harness, ADRs und zwei Hands on Blöcke mit KI Agenten in eurem Setup.
Wir testen seit über 20 Jahren Software und bauen Quality Gates in GitHub Actions und GitLab CI. Unsere eigene Pipeline prüft jeden Push mit PHPStan, PHPUnit und Cypress, bevor etwas live geht. KI Modelle betreiben wir lokal mit Ollama auf eigenen Servern in Deutschland. Genau dort setzt Shannon an: als zusätzliches Gate, das Sicherheitslücken mit echten Exploits belegt statt nur Verdachtsfälle zu melden.
Wir helfen Teams, Shannon einzuordnen und in bestehende Abläufe zu bringen. Das passt zu unserem Vibe Coding Consulting, zu den NCA Agentic AI Coding Guardrails und zu einer CI CD Pipeline mit Docker und Staging, in der Shannon gegen die Staging Umgebung läuft. Für den Betrieb mit eigenen Modellen hilft unser Vergleich der besten lokalen Coder Modelle, als Gegenstück zu SaaS Scannern lohnt der Blick auf Claude Security.
Keygraph hat Shannon 3.0 am 2. September 2026 vorgestellt. Die wichtigsten Neuerungen:
Der Unterbau hat sich schon mit Version 2.0 im Juli 2026 geändert. Shannon läuft seitdem nicht mehr auf dem Claude Agent SDK, sondern auf dem Pi Harness. Damit ist das Tool nicht mehr an Anthropic gebunden. Google Vertex AI fiel dabei als Provider weg.
Die früheren Namen Shannon Lite und Shannon Pro nutzt Keygraph nicht mehr. Heute gibt es zwei Editionen:
In beiden Editionen gilt Bring your own Key. Keygraph sieht weder Quellcode noch Modell Traffic, die Anfragen gehen direkt an den gewählten Anbieter. Mit einem lokalen Endpunkt bleiben sie im eigenen Netz. Für Firmen, die mit der AGPL nicht arbeiten können, bietet Keygraph kommerzielle Lizenzen an.
Seit 3.0 laufen zwei Analysen parallel und münden in einen gemeinsamen Exploit Schritt:
Jeder Scan läuft in einem kurzlebigen Docker Container. Das Repository wird nur lesend eingebunden. Ein voller Lauf dauert laut Keygraph etwa 1 bis 1,5 Stunden.
Shannon ist providerunabhängig. Eingebaut sind Anthropic, OpenAI, xAI und AWS Bedrock. Über den Pi Harness laufen weitere Anbieter nach dem Schema provider:model. Gateways wie LiteLLM oder Router wie OpenRouter hängst du über eine eigene Base URL an.
Für lokale Modelle über Ollama, vLLM oder LM Studio beschreibst du das Modell in einer Konfigurationsdatei und übergibst sie mit --models-config. Keygraph warnt selbst: Modelle, die Anweisungen und Tool Calls nicht sauber befolgen, liefern schwächere Pentests. Wie sich lokale Modelle dabei schlagen, zeigen unser Vergleich der besten lokalen Coder Modelle und der Artikel zu Qwen3 Coder Next über Ollama.
Statt API Credits geht seit Version 2.4.0 auch ein ChatGPT Plus oder Pro Abo über Codex, dazu ein xAI Abo. Ein Claude Code Abo funktioniert nur noch mit Version 1.9.0, der letzten auf dem Claude Agent SDK. Wichtig vor dem ersten Scan: Anthropic und OpenAI haben Schutzmechanismen für Cyber Workloads, die einen Lauf unterbrechen können. Keygraph empfiehlt, die Freigabe für Security Tests vorher beim Anbieter zu klären.
Du brauchst Docker, Node.js ab Version 18 und Zugangsdaten für ein KI Modell. Der Einstieg läuft über npx, ein Clone ist nicht nötig.
# Zugangsdaten mit dem Wizard einrichten
npx @keygraph/shannon@latest setup
# Pentest starten, mit Workspace zum Fortsetzen
npx @keygraph/shannon@latest start \
-u https://staging.example.com \
-r /pfad/zum/repo \
-w security-audit
# Status, Logs und Scans prüfen
npx @keygraph/shannon@latest status
npx @keygraph/shannon@latest logs
npx @keygraph/shannon@latest scans
Shannon lädt das Worker Image von Docker Hub, startet die lokale Infrastruktur und schreibt alle Ergebnisse in einen lokalen Workspace. Bricht ein Lauf ab, setzt derselbe Befehl mit gleichem Workspace an der letzten Stelle fort. Logins mit TOTP oder Mail Authentifizierung, Fokusbereiche und Rules of Engagement steuerst du über eine Konfigurationsdatei. Mit status --json gibt es den Stand maschinenlesbar für eigene Skripte.
Seit 3.0 gibt es eine offizielle GitHub Action und eine wiederverwendbare GitLab CI Komponente. Beide lesen das Repository aus dem Checkout und greifen eine laufende Staging Umgebung an. Ein Schritt im GitHub Workflow sieht so aus:
- name: Run Shannon
uses: KeygraphHQ/shannon-action@v1
with:
url: https://staging.example.com
api-key: ${{ secrets.SHANNON_AI_API_KEY }}
fail-on-severity: high
upload-sarif: true
Das Gate folgt dem gleichen Prinzip wie der Report: Nur ein tatsächlich ausgenutztes Finding ab der gewählten Schwere bricht den Build ab. Eine reine Hypothese aus der Code Analyse reicht dafür nicht. Reports, SARIF und Logs landen als Artefakte in der Pipeline, mit upload-sarif auch im GitHub Code Scanning. Laut Doku braucht die Action ein privates Repository und einen Runner mit Docker Compose v2.
Wie so ein Gate neben PHPStan, PHPUnit und Cypress sitzt, zeigt unsere CI CD Pipeline mit Docker und Staging.
Shannon ist kein passiver Scanner. Das hat Folgen für den Einsatz:
Ältere Versionen standen im März 2026 in einem GitHub Issue wegen gelockerter Container Isolation in der Kritik. Wer Shannon im Unternehmen betreibt, prüft die Docker Konfiguration deshalb vorab und hält das Tool aktuell.
No exploit, no report.
Vibe Coding Consulting von NCA: Code Review, Deployment, DSGVO und Mentoring. Erstes belastbares Ergebnis meist in 15 bis 30 Arbeitstagen je nach Projekt.
Mehr erfahren
Vise Coding führt die KI eng: kleine Schritte, Tests, Doku. So entsteht wartbarer Produktionscode statt technischer Schulden aus dem Vibe Coding.
Mehr erfahrenShannon ist ein Baustein, kein kompletter Sicherheitsplan. In unseren Projekten verbinden wir statische Analyse, Tests und Reviews zu einer Kette. Warum ungeprüfter KI Code teuer wird, beschreibt unser Artikel zu technischen Schulden durch Vibe Coding. Dass verschlossener Quellcode allein keine Sicherheit bringt, zeigt die Debatte um Cal.com und Closed Source.
Wer mehrere Agenten für Tests und Reviews orchestrieren will, findet bei AutoGen einen Einstieg. Für die Gates im Repository nutzen wir die NCA Agentic AI Coding Guardrails.
Roland Golla ist Entwickler aus Leidenschaft – seit über 20 Jahren. Er hat hunderte Projekte begleitet, von Legacy-Refactoring bis KI-Integration. Bei Vibe Coding verbindet er das Beste aus beiden Welten: Die Geschwindigkeit von KI-generiertem Code mit der Qualität professioneller Softwareentwicklung. Kein Bullshit, keine Agentur-Floskeln – direkte Hilfe von jemandem, der selbst täglich im Code steckt.
Shannon ist ein autonomer KI Pentester von Keygraph für Web Apps und APIs. Er analysiert den Quellcode, findet Angriffswege und beweist sie mit echten Exploits gegen die laufende Anwendung. Teams setzen ihn gegen Staging Umgebungen und in CI CD Pipelines ein, damit jedes Release getestet wird statt nur einmal im Jahr. Berichtet wird nur, was ein funktionierender Proof of Concept belegt.
Shannon 3.0 erschien am 2. September 2026. Neu sind eine agentische Code Analyse auf Basis der Mantis Skills, eine neu gebaute CLI mit status, logs und scans, fortsetzbare Workspaces, offizielle Integrationen für GitHub Actions und GitLab CI, PDF Reports, SARIF 2.1.0, eine Deduplizierung der Findings und ein sechster Exploit Agent für sonstige Schwachstellen.
Shannon Open Source steht unter der AGPL 3.0 kostenlos auf GitHub. Kosten entstehen durch das KI Modell, entweder als API Nutzung oder über ein unterstütztes Abo wie ChatGPT Plus, ChatGPT Pro oder xAI. Laut Keygraph kostete ein Benchmark Scan je nach Modell grob 6 bis 115 Dollar. Die Keygraph Enterprise Platform ist ein kommerzielles Produkt.
Shannon braucht Docker, Node.js ab Version 18 und Zugangsdaten für ein KI Modell. Mit npx @keygraph/shannon@latest setup richtet ein Wizard die Zugangsdaten ein. Danach startet npx @keygraph/shannon@latest start mit der Ziel URL per -u und dem Repository Pfad per -r den Pentest. Unter Windows läuft Shannon über WSL2.
Shannon Open Source läuft auf eigener Infrastruktur, Ergebnisse bleiben lokal, und Keygraph sieht weder Code noch Modell Traffic. Die Anfragen gehen aber mit Quellcode Kontext an den gewählten KI Anbieter. Für einen sauberen Betrieb ohne Drittanbieter bietet sich ein lokales Modell über Ollama oder vLLM an. Eine rechtliche Prüfung im Einzelfall ersetzt das nicht.
Nein, nicht mehr. Seit Version 2.0 läuft Shannon auf dem Pi Harness und ist providerunabhängig. Eingebaut sind Anthropic, OpenAI, xAI und AWS Bedrock, dazu jeder Anbieter aus dem Pi Katalog und lokale Modelle. Ein Claude Code Abo funktioniert nur noch mit der alten Version 1.9.0. Google Vertex AI wird seit 2.0 nicht mehr unterstützt.
Ja. Shannon unterstützt Ollama, vLLM und LM Studio über deren OpenAI kompatiblen Endpunkt. Das Modell wird in einer eigenen Konfigurationsdatei beschrieben und mit --models-config übergeben. Keygraph weist darauf hin, dass Modelle mit schwacher Tool Nutzung deutlich schlechtere Pentests liefern. Teste vorher, wie zuverlässig dein Modell Anweisungen und Tool Calls befolgt.
Shannon testet die zentralen OWASP Kategorien: Injection, Cross Site Scripting, SSRF, Broken Authentication und Broken Authorization. Seit 3.0 gibt es einen zusätzlichen MISC Agent für Schwachstellen aus der Code Analyse, die in keine der fünf Kategorien passen. Seine Findings tragen im Report das Präfix MISC. Die Schwere leiten die Agenten aus CVSS Faktoren ab.
Keygraph bietet eine offizielle GitHub Action und eine GitLab CI Komponente an. Beide analysieren das ausgecheckte Repository und greifen eine laufende Staging Umgebung an. Mit fail-on-severity bricht der Build nur ab, wenn ein Exploit ab der gewählten Schwere gelungen ist. Reports, SARIF und Logs werden als Artefakte gespeichert und bleiben auch bei abgebrochenen Läufen erhalten.
Shannon Open Source ist der komplette Agent für lokale Scans und CI CD, gedacht für Entwickler und kleine Teams. Die Keygraph Enterprise Platform richtet sich an Organisationen mit vielen Teams und Repositories. Laut Keygraph ergänzt sie tiefere Analyse, SCA mit Reachability, Secrets und IaC Scans, zentrale Verwaltung der Findings und On Premise Deployment.
Die Namen sind veraltet. Keygraph spricht heute von Shannon Open Source für das öffentliche Repository und von der Keygraph Enterprise Platform für das kommerzielle Produkt. In älteren Artikeln und Tutorials tauchen die alten Namen noch auf. Funktionen wie Temporal Web UI oder reiner Anthropic Betrieb beschreiben dort meist einen Stand vor Version 2.0.
Nein. Shannon führt echte Angriffe aus, legt Nutzer an, verändert Daten und löst ausgehende Requests aus. Einsetzen darfst du das Tool nur gegen eigene Systeme oder mit schriftlicher Erlaubnis. Keygraph rät außerdem klar von Scans gegen Produktion ab. Sinnvoll sind Staging Umgebungen oder lokale Setups mit Wegwerfdaten.
Nein. Keygraph positioniert Shannon ausdrücklich als Ergänzung. Menschliche Pentester verstehen das Geschäft, verketten Angriffe kreativ und bewerten Risiken mit Erfahrung. Shannon deckt die vielen Anwendungen ab, die sonst nie getestet werden, und läuft bei jedem Release mit. Findings prüft trotzdem ein Mensch, weil LLM Reports Fehler enthalten können.
