reyjesusq/sentinel-mcpMCP, Gemini 2.0 Flash, Dynatrace observability 및 MongoDB를 사용하는 자율 AI 기반 사이버 방어 시스템. Google Cloud Hackathon 제출물.
Google Cloud Hackathon 제출작 — Google Cloud Agent Builder (Vertex AI Agent) 가 오케스트레이션하는 자동 위협 탐지 및 대응 시스템, Gemini 2.0 Flash, Model Context Protocol (MCP), Dynatrace 관찰 가능성 기반.
보안 팀은 일반적인 사고에 대해 MTTD 30분 및 MTTR 4시간에 직면합니다. 인간 분석가가 공격을 탐지하고, 방화벽 규칙을 작성하고, 배포할 때쯤이면 피해는 이미 발생한 후입니다.
SentinelMCP는 Google Cloud Agent Builder 에이전트를 배포하여 MTTD를 <30초로, MTTR을 <30초로 단축합니다. 이 에이전트는 Dynatrace 이상 웹훅을 수신하고, Gemini 2.0 Flash를 통해 추론하며, MCP를 통해 실제 방어 도구를 호출하여 실시간 인프라에 조치를 취합니다(단순 알림이 아닌).
Dynatrace webhook → Agent Builder receives alert → Gemini reasons → MCP tools execute → Threat neutralized
1 s 2 s 8 s 15 s 25 s total
결과: 이전에는 인간 분석가와 4시간이 필요했던 사고 생애 주기가 이제 30초 미만으로 자동 완료되며, MongoDB에 전체 감사 추적이, Jaeger에 분산 추적이 저장됩니다.
┌──────────────────────────────────────────────────────────────────────┐
│ SANDBOX ENVIRONMENT │
│ │
│ ┌─────────────┐ 100–1000 req/s ┌──────────────────────────┐ │
│ │ attacker │ ──────────────────►│ victim-service │ │
│ │ (DDoS/SQLi) │ │ port 8080 │ │
│ └─────────────┘ │ /admin/* control API │ │
│ └────────────┬─────────────┘ │
└───────────────────────────────────────────────────│──────────────────┘
│ metrics + anomaly webhook
┌────────────────────────────────▼─────────────────┐
│ Dynatrace Mock (anomaly engine) │
│ Threat Risk Score → fires POST /alerts/simulate │
└────────────────────────┬─────────────────────────┘
│ webhook
┌─────────────────────────────────▼──────────────────────────┐
│ Google Cloud Agent Builder (Vertex AI Agent) │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ Gemini 2.0 Flash ── reasons over threat context │ │
│ │ Tool manifest ── dynamically fetched from MCP │ │
│ │ HITL gate ── halts if confidence < threshold │ │
│ └──────────────────────────────────────────────────────┘ │
└──────────────┬─────────────────────────┬───────────────────┘
│ REST calls │ audit write
┌───────────────▼──────┐ ┌────────────▼──────────┐
│ MCP Server :8001 │ │ MongoDB 7.0 Atlas │
│ 11 real tools │ │ incidents + traces │
└───────────┬──────────┘ └───────────────────────┘
│ acts on live infra
┌───────────▼──────────┐
│ FastAPI :8000 │
│ victim-service :8080│
└──────────────────────┘
┌──────────────────────────────────────────────────┐
│ OBSERVABILITY STACK │
│ OTel Collector ──► Jaeger (distributed traces) │
│ Prometheus ──────────────► Grafana │
└──────────────────────────────────────────────────┘
핵심 설계 원칙: 우아한 성능 저하 + 인간 개입 루프(HITL). Agent Builder 에이전트는 충분한 신뢰도로 결정을 내릴 수 없을 때 안전하게 중단하고 운영자에게 제어권을 넘깁니다 — 중요한 인프라에서 추측하지 않습니다.
세 가지 서비스가 모두 Google Cloud Run에 배포되어 실행 중입니다.
프로덕션 환경에 라이브 공격 실행:
.\attack.production.ps1 status # verify all services healthy
.\attack.production.ps1 ddos # DDoS — Gemini blocks IPs + rate limit
.\attack.production.ps1 sql # SQL Injection — Gemini activates WAF
.\attack.production.ps1 brute # Brute Force — Gemini blocks source IPs
.\attack.production.ps1 stop # reset defenses
공격자 컨테이너는 로컬에서 실행되며 Cloud Run victim-service를 HTTPS로 대상으로 합니다. Command Center 대시보드에서 탐지 → 추론 → 무력화 사이클을 실시간으로 확인하세요.
Google Cloud Agent Builder (Vertex AI ReasoningEngine) 는 SentinelMCP의 중앙 오케스트레이터입니다. 구현은 sentinel_mcp/agent/agent_builder.py에 있습니다.
SentinelAgent는 vertexai.preview.reasoning_engines.Queryable을 상속받습니다. 이는 공식 Agent Builder 프로그래매틱 인터페이스이며, 로컬에서 실행하거나 단일 명령으로 관리형 Agent Builder 서비스에 배포할 수 있습니다.
| 책임 | 구현 |
|---|---|
| 웹훅 수신 | SentinelAgent.query(incident=...) — 모든 Dynatrace 알림에 대해 Agent Builder가 호출 |
| 도구 선언 | set_up()에서 Vertex AI FunctionDeclaration 객체로 등록된 6개의 MCP 도구 |
| 추론 | Gemini 2.0 Flash가 위협 컨텍스트 + 도구 카탈로그를 읽고 최소 도구를 선택하여 자동 호출 |
| HITL 게이트 | Gemini가 도구 호출을 반환하지 않으면(신뢰도 < 임계값) escalate_to_humans=True를 내보냄 |
| 감사 | 모든 도구 호출이 MongoDB Atlas에 기록되고 OTel 스팬으로 Jaeger에 내보내짐 |
핵심 코드 — sentinel_mcp/agent/agent_builder.py:
class SentinelAgent(reasoning_engines.Queryable):
def set_up(self):
# MCP tools as Vertex AI FunctionDeclarations — Gemini selects at runtime
mcp_tools = Tool(function_declarations=[
FunctionDeclaration(name="block_ip_address", ...),
FunctionDeclaration(name="activate_waf", ...),
FunctionDeclaration(name="rate_limit_requests", ...),
FunctionDeclaration(name="scale_service", ...),
FunctionDeclaration(name="collect_forensic_logs", ...),
FunctionDeclaration(name="analyze_attack_pattern", ...),
])
self._model = GenerativeModel("gemini-2.0-flash-001", tools=[mcp_tools])
self._chat = self._model.start_chat()
def query(self, *, incident: dict) -> dict:
# Entry point — Agent Builder calls this for every Dynatrace webhook
response = self._chat.send_message(threat_prompt(incident))
tool_calls = [{"name": p.function_call.name, "args": dict(p.function_call.args)}
for p in response.candidates[0].content.parts if p.function_call]
return {"engine": "agent_builder", "tool_calls": tool_calls, ...}
Google Cloud Agent Builder에 배포:
# Test locally (no GCP needed with google_ai_studio backend)
python scripts/deploy_agent_builder.py --test-only
# Deploy to managed Agent Builder endpoint
python scripts/deploy_agent_builder.py --project my-gcp-project
Agent Builder를 활성 백엔드로 설정:
# .env
GEMINI_BACKEND=agent_builder
GOOGLE_CLOUD_PROJECT=my-gcp-project
VERTEX_LOCATION=us-central1
SentinelMCP는 세 가지 계층에서 Dynatrace 관찰 가능성을 통합합니다.
sentinel-otel-collector는 FastAPI 코어에서 스팬과 메트릭을 수집하여 Dynatrace Mock 엔드포인트(OTLP/HTTP :14318)로 전달합니다. 모든 사고, 도구 실행, LLM 호출은 전체 상관 ID와 함께 종단 간 추적됩니다.