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

Testar a detecção de ameaças da plataforma do agente

Esta página explica como verificar se a detecção de ameaças da Agent Platform está funcionando acionando intencionalmente detectores e verificando se há descobertas. A detecção de ameaças da Agent Platform é um serviço integrado do Security Command Center.

Antes de começar

Para detectar possíveis ameaças aos agentes do Agent Runtime, verifique se o Detecção de ameaças da Agent Platform serviço está ativado no Security Command Center.

Configurar o ambiente

Para testar a detecção de ameaças da Agent Platform, configure um agente de demonstração que simule atividades maliciosas.

Criar projeto e ativar o shell

Selecione ou crie um Google Cloud projeto para usar nos testes.

Para testar os detectores, use o Google Cloud console e o Cloud Shell.

Acesse o Google Cloud console.

Acesse o Google Cloud console
Selecione o projeto que você vai usar para testar.
Clique em Ativar o Cloud Shell.

Também é possível executar as instruções de teste em um shell local.

Configurar o Agent Runtime

Se você nunca usou o Agent Runtime neste projeto, configure o ambiente do Agent Runtime antes de começar. Registre o nome do bucket de preparo do Cloud Storage que você criou. Também recomendamos que você siga o guia de início rápido do Agent Runtime para aprender a desenvolver e implantar um agente com o SDK da Vertex AI.

Criar script de teste

Você vai criar vários arquivos que serão usados para implantar um novo agente para testes. Use um editor de texto para isso, como nano.

Crie um novo arquivo chamado requirements.txt com o conteúdo a seguir.

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

Crie um novo arquivo vazio chamado installation_scripts/install.sh. Alguns testes exigem a adição de conteúdo a esse arquivo.

Crie um novo arquivo chamado main.py, com o conteúdo a seguir. Substitua as variáveis PROJECT_ID, LOCATION e STAGING_BUCKET. O nome do bucket de preparo precisa incluir o prefixo gs://.

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())

Configurar o ambiente virtual

Crie e ative um ambiente virtual Python.

  python3 -m venv env
  source env/bin/activate

Instale as dependências necessárias no ambiente virtual.
```
pip install -r requirements.txt
```

Testar o script:

Execute o script de dentro do ambiente virtual com python3 main.py. Esse comando leva vários minutos para criar, implantar e executar o agente de teste.

O script gera o nome do recurso do agente implantado e alguns objetos JSON, incluindo uma resposta de LLM e outros metadados. Se você encontrar erros de permissão ou de implantação nessa fase, consulte a solução de problemas para conferir as próximas etapas.

Testar detectores

Para testar os detectores de detecção de ameaças da Agent Platform, substitua o código na função threat_detection_test por um código que simule um ataque. O script pode levar muito tempo para implantar e consultar o agente. Para acelerar os testes, combine o conteúdo de várias dessas funções.