Strix 딥다이브
— 자율 AI 에이전트가 본인 앱의 취약점을 찾고 고치는 오픈소스 보안 테스트 도구

SandboxAgent — Docker 컨테이너가 에이전트의 실행 환경

openai-agents SDK의 SandboxAgent는 일반 Agent와 달리, 도구 실행을 로컬 프로세스가 아닌 Docker 컨테이너 안에서 수행한다. Strix는 StrixDockerSandboxClient로 이를 확장해 Kali Linux 이미지에 NET_ADMIN/NET_RAW 권한을 추가하고 host.docker.internal 호스트 게이트웨이를 연결했다. 에이전트가 nmap -sS로 raw socket 스캔을 실행해도 컨테이너 밖은 영향받지 않는다.

멀티 에이전트 그래프 — 전문화된 서브 에이전트 동적 생성

루트 에이전트가 create_agent() 도구를 호출하면 새로운 서브 에이전트가 생성된다. 각 에이전트는 독립적인 SQLite 세션(agents.db)을 갖고, AgentCoordinator가 전체 트리를 관리한다. "정찰 에이전트", "SQL 인젝션 전문 에이전트", "보고서 작성 에이전트"처럼 분업하며, send_message_to_agent()로 발견 정보를 공유한다. 스캔이 중단되면 agents.json 스냅샷으로 어떤 에이전트가 어떤 상태였는지 저장해 재개한다.

Jinja2 시스템 프롬프트 — 스킬 기반 동적 프롬프트

에이전트의 시스템 프롬프트는 strix/agents/prompts/system_prompt.jinja에서 Jinja2 템플릿으로 렌더링된다. 스캔 모드(quick/standard/deep), 화이트박스 여부(소스코드 유무), 루트/자식 에이전트 여부에 따라 다른 "스킬" 블록이 주입된다. 스킬은 strix/skills/ 폴더의 파일들로, tooling/agent_browser, scan_modes/deep, coordination/root_agent 등이 있다. 프롬프트를 코드에 하드코딩하지 않고 파일로 관리하는 구조다.

라이프사이클 도구 — 완료 신호로 루프 종료

에이전트 루프는 LLM이 finish_scan()(루트) 또는 agent_finish()(자식)를 호출할 때만 종료된다. _finish_tool_use_behavior() 함수가 도구 실행 결과를 검사해 "scan_completed": true 또는 "agent_completed": true 페이로드가 있으면 루프를 멈춘다. 이 신호 없이 텍스트만 출력한 채 끝내면 오류로 기록된다. LLM이 "작업이 끝났다"고 판단해도 반드시 지정된 도구를 호출해야 하는 명시적 종료 계약이다.

openai-agents SDK로 도구 호출 루프 직접 구현하기

Strix의 핵심은 LLM이 function_tool로 등록된 Python 함수들을 선택·호출하고, 결과를 다시 LLM에 피드백하는 루프다. core/execution.py의 run_agent_loop()를 읽으면, 에이전트가 어떻게 "생각 → 도구 선택 → 실행 → 결과 분석 → 다음 도구 선택"을 반복하는지 배울 수 있다. @function_tool 데코레이터로 함수를 도구로 등록하는 패턴도 바로 익힐 수 있다.

볼 파일: strix/core/execution.py, strix/tools/thinking/tool.py

에이전트 트리 관리 — AgentCoordinator 패턴

strix/core/agents.py의 AgentCoordinator는 에이전트 간 부모-자식 관계, 상태(running/waiting/completed/failed/stopped), 메시지 큐를 관리한다. 에이전트가 중단되면 상태를 JSON으로 직렬화해 디스크에 저장하고, 재시작 시 복원한다. 멀티 에이전트 시스템의 상태 관리 문제를 어떻게 해결하는지 볼 수 있는 실제 사례다.

볼 파일: strix/core/agents.py, strix/tools/agents_graph/tools.py

Python docker 라이브러리로 컨테이너 동적 생성·제어

StrixDockerSandboxClient는 openai-agents SDK의 DockerSandboxClient를 서브클래싱해 필요한 Docker 설정(NET_ADMIN 권한, 호스트 게이트웨이, ENTRYPOINT 보존)을 주입한다. SDK의 부모 클래스 메서드를 "verbatim copy + delta" 방식으로 오버라이드하는 현실적 패턴을 볼 수 있다. Docker를 Python에서 제어하는 전체 흐름이 잘 문서화되어 있다.

볼 파일: strix/runtime/docker_client.py, strix/runtime/backends.py

OpenAI·Anthropic·Gemini를 동일 코드로 교체하는 방법

STRIX_LLM="anthropic/claude-sonnet-4-6"처럼 환경변수 하나만 바꾸면 Anthropic Claude로 동작한다. LiteLLM이 각 프로바이더의 API 차이를 추상화해준다. strix/config/models.py를 보면 모델 이름에서 프로바이더를 파싱하고, Chat Completions API와 Responses API의 차이를 처리하는 코드를 볼 수 있다. 멀티 LLM 프로바이더를 지원하는 앱을 만들 때 바로 참고 가능한 패턴이다.

볼 파일: strix/config/models.py, pyproject.toml의 openai-agents[litellm]

터미널에서 실시간 스트리밍 UI 만들기

strix/interface/tui/app.py는 Textual 프레임워크로 구성된 터미널 UI다. 에이전트가 발견하는 취약점, 실행 중인 도구, 비용 사용량이 실시간으로 갱신된다. Textual의 컴포넌트 기반 UI 구성, 비동기 이벤트 처리, 반응형 레이아웃을 실제 프로덕션 코드에서 배울 수 있다.

볼 파일: strix/interface/tui/app.py, strix/interface/tui/live_view.py

nmap·sqlmap·nuclei를 Python에서 프로그래밍 방식으로 제어

에이전트는 exec_command 도구로 컨테이너 셸에서 nmap, sqlmap, nuclei, ffuf 등을 실행하고 출력을 파싱한다. Caido 프록시는 Python SDK(caido-sdk-client)로 직접 제어한다. 보안 도구를 자동화 파이프라인에서 어떻게 사용하는지 배울 수 있는 실제 예시다. Dockerfile을 보면 각 도구를 어떻게 조합 설치하는지도 배울 수 있다.

볼 파일: strix/tools/proxy/caido_api.py, containers/Dockerfile

Strix 설치 및 DVWA 첫 스캔 난이도 ★☆☆ 입문

의도적 취약 앱 DVWA를 Docker로 띄우고 Strix로 스캔한다. 어떤 취약점을 찾는지 직접 확인한다.

# 1. Strix 설치
pip install strix-agent

# 2. LLM 설정 (예: OpenAI)
export STRIX_LLM="openai/gpt-4o"
export LLM_API_KEY="sk-..."

# 3. 의도적 취약 앱 실행 (localhost:8080)
docker run -d -p 8080:80 vulnerables/web-dvwa

# 4. Strix 스캔 (본인 로컬만 — http://localhost)
strix --target http://localhost:8080

# 스캔 결과는 strix_runs/ 폴더에 저장됨

로컬 취약 코드 화이트박스 스캔 난이도 ★★☆ 중급

WebGoat(의도적 취약 Java 앱) 소스코드를 로컬에 클론한 뒤 화이트박스 모드로 스캔한다. LLM이 소스코드와 실행 환경을 함께 분석하는 방식을 관찰한다.

# WebGoat 소스코드 클론 (학습용 의도적 취약 앱)
git clone https://github.com/WebGoat/WebGoat.git
cd WebGoat

# 소스코드 화이트박스 스캔 (standard 모드)
strix --target ./WebGoat --scan-mode standard

# 또는 GitHub URL로 직접 클론 + 스캔
strix --target https://github.com/WebGoat/WebGoat

Non-interactive 모드로 CI/CD 연동 이해 난이도 ★★☆ 중급

-n 플래그로 TUI 없이 실행해 CI/CD 환경을 시뮬레이션한다. exit code로 취약점 발견 여부를 확인하는 자동화 패턴을 익힌다.

# Non-interactive 모드 (터미널 출력만, TUI 없음)
strix -n --target http://localhost:8080

# exit code 확인 (0=취약점 없음, 1=취약점 발견)
echo "Exit code: $?"

# 빠른 스캔 모드 (변경 파일만)
strix -n --target ./ --scan-mode quick

소스코드 분석 — 에이전트 도구 직접 만들기 난이도 ★★★ 고급

Strix의 @function_tool 패턴을 따라 간단한 도구를 직접 만들어본다. 에이전트 SDK가 어떻게 Python 함수를 LLM이 호출할 수 있는 도구로 변환하는지 이해한다.

# strix/tools/에서 간단한 도구 패턴 참고
from agents import RunContextWrapper, function_tool

@function_tool(timeout=30)
async def my_custom_tool(ctx: RunContextWrapper, target_url: str) -> str:
    """내 커스텀 보안 도구 — 에이전트가 이 설명을 읽고 도구를 선택한다.

    Args:
        target_url: 분석할 URL
    """
    # 실제 로직 구현
    return f"분석 결과: {target_url}"

# @function_tool이 함수 시그니처에서 JSON Schema를 자동 생성함
# LLM은 docstring + 파라미터 타입을 보고 도구 사용 방법을 이해함

스캔 재개 기능 실험 + AgentCoordinator 이해 난이도 ★★★★ 도전

스캔 중 Ctrl+C로 강제 종료한 뒤, --resume으로 재개하는 실험을 한다. strix_runs/ 폴더의 agents.json과 agents.db를 직접 열어 에이전트 상태가 어떻게 저장되는지 분석한다.

# 스캔 시작 (scan-id 메모해두기)
strix --target http://localhost:8080
# 중간에 Ctrl+C로 중단

# strix_runs/ 폴더 탐색
ls strix_runs/
cat strix_runs/scan-XXXXX/.state/agents.json

# 중단된 스캔 재개
strix --resume scan-XXXXX

# SQLite 에이전트 DB 직접 열기 (sqlite3 CLI)
sqlite3 strix_runs/scan-XXXXX/.state/agents.db ".tables"