Agent-to-Agent AI 통합을 통한 AWS 보안 분석
카테고리
프로그래밍/소프트웨어 개발
서브카테고리
DevOps
대상자
- 보안 팀: AWS 보안 분석 자동화 및 보고서 생성 효율화
- DevOps 엔지니어: MCP 프로토콜 기반의 AI 에이전트 통합 구현
- 난이도: 중간 (AWS 인증, AI21 API 키, Python 3.10+ 환경 필요)
핵심 요약
- AI 에이전트 통합 아키텍처:
Strands Agent와AI21 Maestro를 Model Context Protocol (MCP)로 연결하여 보안 분석 자동화 - 요구사항 기반 검증:
security_hub_requirements를 통해 CRITICAL/_HIGH 심각도 분석, Markdown 형식, 구체적 대응 조치 강제 적용 - 비동기 처리 최적화:
call_ai21_maestro_simple함수로 문맥과 요구사항 분리,jamba-mini모델 사용
섹션별 세부 요약
1. 기존 AWS 보안 분석의 문제점
- 수작업 도구 선택: 분석가가 보안 시나리오에 맞는 도구를 수동으로 선택해야 함
- 불일치된 출력: AI 모델별 보고서 형식 차이로 일관성 부족
- 단절된 분석: Security Hub와 CloudTrail 데이터가 별도로 분석됨
- 시간 소요: 수작업으로 분석 결과 연결 및 보고서 생성에 시간 소요
2. AI 에이전트 통합 아키텍처
- Strands Agent: Amazon Bedrock Nova Premier 기반의 논리 및 도구 선택
- AI21 Maestro: Security Hub 및 CloudTrail 분석 기능 제공
- MCP 프로토콜: 다양한 AI 시스템 간 원활한 커뮤니케이션
- 사용자 흐름:
User Query → Strands Agent → MCP → AI21 Maestro → 검증된 보고서
3. 요구사항 기반 검증 프로세스
- 생성: 요구사항에 따른 초안 생성
- 검증: 각 요구사항의 0.0~1.0 점수 부여
- 보완: 점수가 1.0 미만인 항목 재작성
- 반복: 모든 요구사항 충족까지 반복
4. 구현 예제 및 코드
analyze_aws_security_hub함수:
```python
@tool
def analyze_aws_security_hub() -> str:
findings = get_all_findings(filters={...})
result = call_ai21_maestro_simple(
security_hub_prompt,
security_hub_requirements,
findings_data
)
return f"## AWS Security Hub Analysis Report\n\n{result}"
```
call_ai21_maestro_simple함수:
```python
def call_ai21_maestro_simple(prompt, requirements, data):
run_input = f"{prompt}{data}"
async def run_maestro():
run_result = await ai21_client.beta.maestro.runs.create_and_poll(
input=run_input,
requirements=requirements,
models=["jamba-mini"], # 최신 Jamba Mini 모델 사용
budget="low"
)
return run_result.result
return asyncio.run(run_maestro())
```
- 요구사항 예시:
```python
security_hub_requirements = [
{"name": "markdown_format", "description": "헤더와 코드 블록 사용"},
{"name": "prioritize_critical", "description": "즉시 조치 필요한 심각도 강조"},
{"name": "actionable_recommendations", "description": "구체적 대응 조치 제공"}
]
```
5. 보안 팀 및 조직의 이점
- 시간 절약: 분석 시간 시간 → 초 단위로 감소
- 일관성: 모든 보고서의 품질 일관성 확보
- 포괄성: Security Hub + CloudTrail 데이터 통합 분석
- 비용 절감: 수작업 대체로 비용 및 노력 감소
결론
- MCP 프로토콜 활용: 다양한 AI 에이전트 시스템과의 호환성 확보
- 필수 사전 조건:
Python 3.10+,AWS 인증,AI21 API 키,Amazon Bedrock (Nova Premier)사용 권한 - 실무 팁:
jamba-mini모델 사용 시 미래 모델 업데이트 대응 가능성 및security_hub_requirements요구사항을 최소한의 권한으로 정의하여 보안 강화