LangGraph로 버그 바운티 5에이전트 구성

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

게시자는 deepagents와 LangGraph를 사용해 버그 바운티 테스트용 5-agent pipeline을 구성했습니다. 오케스트레이터가 범위 준수와 작업 위임을 맡고, 네 개의 전문 subagent가 작업 유형에 따라 Gemini, gpt-oss, Nemotron 계열 모델을 나눠 사용합니다. 도구는 MCP를 통해 HexStrike와 연결되며, 현재 free-tier 모델만 사용해 응답 시간이 길다는 제약이 있습니다. 게시자는 agent별 모델 라우팅에서 비용과 지연 시간을 어떻게 조정했는지 다른 구현 사례를 묻고 있습니다.

섹션별 상세

게시자는 deepagents와 LangGraph로 오케스트레이터 1개와 전문 subagent 4개로 구성된 5-agent pipeline을 만들었습니다. 오케스트레이터가 테스트 범위 준수와 작업 위임을 통제하고, 각 전문 agent가 서로 다른 역할을 나눠 수행합니다. 구현 코드는 https://github.com/DaviAlcanfor/fenrir 저장소로 공개되어 있어 구조를 확인할 수 있습니다.

모델 호출은 작업 유형에 따라 분기되며 Gemini는 planning, gpt-oss는 recon과 triage, Nemotron 모델은 exploit 작업에 배정됩니다. 이 방식은 모든 작업에 같은 모델을 쓰지 않고 계획·정찰·분류·익스플로잇의 요구에 맞춰 모델을 선택하는 구조입니다. Nemotron 모델에는 exploit 작업을 위한 gating이 적용되어 역할별 실행 범위를 제한합니다.

외부 도구는 MCP를 통해 HexStrike로 연결되며, 시스템은 bug bounty와 web application penetration testing을 위한 human-in-the-loop assistant로 구성됩니다. 게시자는 free-tier 모델만 사용하고 있어 모델별 호출과 다단계 위임이 응답 시간에 영향을 준다고 밝혔습니다. 이에 따라 비용을 낮추는 현재 구성을 유지하면서 latency를 줄이는 모델 라우팅 방법을 커뮤니티에 질문했습니다.

용어 해설

멀티 에이전트 시스템(Multi-Agent System): — 여러 에이전트가 역할을 나눠 하나의 작업을 처리하는 구조입니다. 오케스트레이터가 범위와 위임을 관리하고, 전문 에이전트가 정찰·분류·익스플로잇 같은 세부 작업을 수행해 복합적인 버그 바운티 테스트를 단계적으로 처리합니다.
모델 라우팅(Model Routing): — 작업의 유형이나 요구되는 능력에 따라 서로 다른 모델로 요청을 보내는 방식입니다. 계획·정찰·분류·익스플로잇에 적합한 모델을 분리하면 비용을 조절할 수 있지만, 모델 호출이 늘어날수록 전체 응답 지연이 커질 수 있습니다.
MCP: — 모델이나 에이전트가 외부 도구를 표준화된 방식으로 호출하도록 연결하는 프로토콜입니다. 이 시스템에서는 HexStrike 도구가 MCP를 통해 파이프라인에 들어오며, 에이전트가 버그 바운티와 웹 애플리케이션 침투 테스트 도구를 사용할 수 있게 합니다.
Human-in-the-Loop: — 자동화된 처리 과정에 사람이 개입해 판단하거나 승인하는 운영 방식입니다. 원문에서는 버그 바운티와 웹 애플리케이션 침투 테스트 보조 시스템의 운영 모드로 사용되며, 자동화와 사람의 통제를 함께 두는 구조를 뜻합니다.

언급된 도구

deepagents중립

LangGraph 기반 멀티 에이전트 pipeline 구성에 사용됩니다.

LangGraph중립

오케스트레이터와 전문 subagent의 작업 흐름과 위임 구조를 구성합니다.

Gemini중립

planning 작업에 라우팅되는 모델입니다.

gpt-oss중립

recon과 triage 작업에 라우팅되는 모델입니다.

Nemotron중립

gated exploit 작업에 라우팅되는 모델입니다.

HexStrike중립

MCP를 통해 에이전트 pipeline에 연결되는 테스트 도구입니다.

언급된 리소스

GitHubfenrir