Многоагентный фреймворк с поддержкой MCP для декларативных агентных рабочих процессов на основе YAML, используемый для аудита кода с помощью ИИ, триажа уязвимостей и исследований в области безопасности с интеграцией CodeQL.
Агент Taskflow Security Lab — это мультиагентный фреймворк с поддержкой MCP для декларативных агентных рабочих процессов на основе YAML.
Он построен на базе OpenAI Agents SDK, использует Pydantic для валидации грамматики и Jinja2 для рендеринга шаблонов.
Агент Taskflow использует грамматику на основе YAML, напоминающую GitHub Workflow, для выполнения серии задач с помощью набора агентов.
Его главное преимущество — это CLI-инструмент, который позволяет пользователям быстро определять и создавать сценарии агентных рабочих процессов без необходимости писать какой-либо код.
Агенты определяются через персоналии, которые получают задачу для выполнения, имея в распоряжении набор инструментов.
Агенты могут взаимодействовать для выполнения последовательностей задач через так называемые taskflow.
Подробный обзор грамматики taskflow можно найти здесь, а примеры taskflow — здесь.
┌─────────────────────────────────────────────────────┐
│ CLI (cli.py) │
│ Typer-based entry point: -p, -t, -l, -g, -m, --resume, --lint│
└─────────────────────┬───────────────────────────────┘
│
┌─────────────────────▼───────────────────────────────┐
│ Runner (runner.py) │
│ Taskflow execution loop, model resolution, │
│ template rendering, session checkpointing │
└─────────────────────┬───────────────────────────────┘
│
┌─────────────────────▼───────────────────────────────┐
│ MCP Lifecycle (mcp_lifecycle.py) │
│ Server connection, cleanup, process management │
└─────────────────────┬───────────────────────────────┘
│
┌─────────────────────▼───────────────────────────────┐
│ Agent (agent.py) │
│ TaskAgent wrapper, hooks, OpenAI Agents SDK bridge │
└─────────────────────────────────────────────────────┘
Supporting modules:
models.py — Pydantic v2 grammar models (validation)
session.py — Task-level checkpoint / resume
available_tools.py — YAML resource loader with caching
template_utils.py — Jinja2 template environment
mcp_utils.py — MCP client parameter resolution
mcp_transport.py — MCP transport implementations (stdio, streamable)
mcp_prompt.py — System prompt construction
prompt_parser.py — Legacy prompt argument parser
capi.py — AI API endpoint and token management
path_utils.py — Platform-aware data/log directories
Агент поддерживает оба API OpenAI: Chat Completions и Responses.
Тип API можно настроить глобально или для каждой модели отдельно в файле model_config:
seclab-taskflow-agent:
version: "1.0"
filetype: model_config
api_type: chat_completions # default for all models
models:
gpt_default: gpt-4.1
gpt_responses: gpt-5.1
model_settings:
gpt_responses:
api_type: responses # override for this model
endpoint: https://api.githubcopilot.com
token: CAPI_TOKEN # env var name containing the API key
Для каждой модели model_settings может включать:
api_type — "chat_completions" (по умолчанию) или "responses"endpoint — переопределение базового URL API для этой моделиtoken — имя переменной окружения, содержащей ключ APIRunner может управлять тремя SDK через общий интерфейс:
openai_agents (по умолчанию) — OpenAI Agents Python SDK. Поддерживает
передачу управления между несколькими персонами (handoffs), оба значения
api_type — chat_completions и responses, temperature, parallel_tool_calls,
exclude_from_context, а также MCP через stdio, SSE и streamable HTTP.copilot_sdk — GitHub Copilot Python SDK. Поддерживает потоковую передачу,
reasoning_effort, MCP через stdio/SSE/HTTP и управление разрешениями
для каждого инструмента. SDK самостоятельно выбирает сетевой протокол для каждой
модели, поэтому поле api_type в YAML не учитывается; передача управления между
несколькими персонами, temperature и parallel_tool_calls также недоступны.
Taskflow, использующие неподдерживаемые поля, завершаются ошибкой при загрузке
с BackendCapabilityError, указывающей проблемное поле.anthropic_sdk — Anthropic Python SDK, работающий с нативным
Messages API (/v1/messages). Поддерживает потоковую передачу, вызов инструментов через
MCP и адаптивное мышление с настраиваемым reasoning.effort
(low, medium, high, max). Передача управления не поддерживается.
Предназначен для использования с Anthropic-эндпоинтом CAPI; аутентификация использует
Authorization: Bearer (а не x-api-key).Приоритет выбора (от высшего к низшему):
backend: для конкретной задачи в блоке model_settings самой задачи (переопределяет
значение уровня модели для этой одной задачи; см. _resolve_task_model()).backend: для конкретной модели в model_settings конфигурации модели (позволяет
смешивать бэкенды в одном taskflow).backend: на верхнем уровне документа конфигурации модели
(глобальное значение по умолчанию).SECLAB_TASKFLOW_BACKEND.openai_agents.seclab-taskflow-agent:
version: "1.0"
filetype: model_config
models:
code_analysis: claude-opus-4.7
general_tasks: gpt-5.4-mini
model_settings:
code_analysis:
api_type: messages
backend: anthropic_sdk
reasoning:
effort: high
general_tasks:
api_type: responses
backend: openai_agents
Каждый адаптер бэкенда транслирует собственные исключения SDK в нейтральную
иерархию в sdk/errors.py, чтобы runner применял политику повторных попыток без
импорта какого-либо SDK. Добавление бэкенда означает и трансляцию его ошибок;
test_every_backend_adapter_translates_transport_failures проверяет это
по всему реестру.
Транспортные сбои требуют явной обработки, и их легко упустить. Вендорные
SDK оборачивают httpx только вокруг вызова, отправляющего запрос, а при
стриминге он возвращается, как только приходят заголовки ответа, тогда как тело
итерируется позже. Поэтому соединение, оборвавшееся посреди тела, проявляется как
голая ошибка httpx, не относящаяся ни к собственной иерархии SDK, ни к встроенным
исключениям. sdk/_transport.py перечисляет те из них, что подлежат повтору, и каждый адаптер сопоставляет их
с BackendTransportError. Набор перечисляется явно, а не перехватывается
httpx.TransportError целиком, потому что LocalProtocolError означает, что
запрос был некорректным, а UnsupportedProtocol детерминирован.
У повторных попыток единственный владелец: ветка, в _deploy_with_transport_retry. Это
единственный уровень, который сбрасывает состояние захвата между попытками, поэтому результат инструмента,
записанный до сбоя, не может быть опубликован дважды или стать именованным
выходом задачи, и он повторяет только ту ветку, что завершилась сбоем, а не соседние, которые
могли уже записать во внешние системы. Повторы ограничены
TASK_RETRY_LIMIT с линейной задержкой от TASK_RETRY_BACKOFF.