CrewAI, n8n, Apache Airflow, OpenAI Agent Builder və digər framework-lər

Əvvəlki fəsil kod yazan mühəndisin orchestration alətlərinə baxdı. Amma agent-lər artıq yalnız kodla qurulmur: analitik vizual canvas-da workflow çəkir, data komandası gecə pipeline-ına model çağırışı əlavə edir, məhsul meneceri managed platformada agent "builder" açır. Bu fəsil security komandasının qarşısına çıxan framework siniflərini təsvir edir: hər sinif hansı işə uyğundur, tipik risk-i nədir və necə hardening olunur.

Dörd sinif

Siniflər bir-birini əvəz etmir. Real security stack-də Airflow gecə threat intel-i çəkir və index-i yeniləyir, n8n yeni ticket-i trigger kimi götürüb enrichment edir, CrewAI və ya LangGraph araşdırmanı aparır, managed platforma istifadəçi ilə danışan interfeysi verir.

CrewAI: rol əsaslı əməkdaşlıq

CrewAI-ın metaforası insan komandasıdır. Hər agent-in rolu, məqsədi və "backstory"-si var, yəni ona kim olduğunu və necə düşünməli olduğunu deyən system prompt. Task konkret tapşırıqdır: təsvir, gözlənilən nəticə və icra edəcək agent. Crew agent-ləri və task-ları birləşdirir və process onların necə işləyəcəyini müəyyən edir: sequential-da task-lar sıra ilə, hierarchical-da manager agent işi paylayır və nəticələri yığır.

Vulnerability management üçün tipik crew:

crew:
  agents:
    - role: Scan Analyst
      goal: scanner nəticəsindən real risk daşıyan tapıntıları ayırmaq
      tools: [read_scan_results, lookup_asset]
    - role: Vulnerability Researcher
      goal: hər tapıntı üçün exploit mövcudluğunu və KEV statusunu yoxlamaq
      tools: [lookup_cve, lookup_kev]
    - role: Remediation Writer
      goal: sahib komandalar üçün prioritetli, icra edilə bilən tapşırıq yazmaq
      tools: [read_runbook]
  process: sequential

Pattern-in gücü aydınlıqdadır: hər agent-in dar rolu və dar tool siyahısı var. Scan Analyst CVE axtarmır, Remediation Writer scanner oxumur. Bu, keyfiyyət tədbiri olduğu qədər security tədbiridir: hər agent-in çata bildiyi şey minimaldır və trajectory-də kimin nə etdiyi görünür.

Zəif tərəfi: hierarchical process-də manager agent işi paylayarkən model-in qərarına söykənir və nəticə az proqnozlaşdırılan olur. Deterministik yol lazımdırsa, sequential və ya LangGraph qrafı daha uyğundur. Rol əsaslı framework-lərdə memory də default olaraq paylaşıla bilər; hansı agent-in hansı memory-yə yazdığını açıq müəyyən edin.

n8n və vizual workflow-lar

n8n open-source, self-host edilə bilən workflow platformasıdır: canvas-da node-lar çəkilir, trigger node-u workflow-u başladır, hər node bir əməliyyatdır, AI agent node-ları model və tool-ları workflow-un içinə gətirir. Yüzlərlə hazır inteqrasiya var: ticket sistemləri, chat, e-poçt, database-lər, HTTP.

Security komandası üçün cəlbedici tərəfi sürətdir: "yeni phishing report gələndə göndərəni, link-ləri və əlavəni yoxla, nəticəni ticket-ə yaz və analitikə mesaj göndər" workflow-u bir günortada hazır olur, kod yazmadan.

Risk-lər də məhz bu sürətdən gəlir:

• Webhook-lar internetə baxır. Trigger URL-i tapan hər kəs workflow-u işə sala bilər. Authentication, imza yoxlaması və rate limit məcburidir.
• Credential store mərkəzidir. Platforma onlarla sistemin credential-ını saxlayır; platforma compromise olunanda hamısı gedir. Minimal scope, rotation və platformaya access-in sərt məhdudlaşdırılması.
• Self-hosted instance-lar yamaqsız qalır. 2025–2026-da bu sinif platformalarda bir neçə kritik CVE dərc olundu; internetə açıq, köhnə versiyalı instance-lar birbaşa hədəfdir.
• AI node-ları untrusted məzmun oxuyur. Phishing e-poçtunun mətnini model-ə verən workflow eyni zamanda attacker-in model-ə təlimat yazmasına imkan verir. Node-un sonrakı hərəkətləri, mesaj göndərmək, ticket dəyişmək, məhdud və təsdiqli olmalıdır.
• Kod node-ları. Workflow-da JavaScript və ya Python icra edən node-lar var; onları kim redaktə edə bilirsə, platformanın işlədiyi host-da kod icra edə bilir.

Bir məqam da var ki, Fəsil 8-də qayıdacağıq: vizual workflow platformaları attacker üçün də rahatdır. Kampaniyanı workflow kimi çəkmək, scanner-i HTTP node ilə çağırmaq və nəticəni model-ə göndərmək heç bir xüsusi bacarıq tələb etmir. Defender bunu iki cür nəzərə alır: öz platformasını kənar istifadədən qoruyur və avtomatlaşdırılmış trafikin imzalarını tanıyır.

Apache Airflow: planlı pipeline-lar

Airflow agent framework-ü deyil, workflow scheduler-idir: iş DAG kimi yazılır, hər node bir task-dır, scheduler onları vaxt cədvəli və asılılıqlara görə işlədir, retry, backfill və monitoring verir. AI komponentləri buraya model çağırışı edən task-lar kimi daxil olur.

Security-də Airflow-un yeri gecə işləridir: threat intel feed-lərini çəkmək və normallaşdırmaq, vulnerability scanner nəticələrini toplamaq, embedding index-ini yeniləmək, həftəlik hesabat üçün xülasələr yaratmaq, model evaluation-ı işlətmək. Bunlar agent deyil, workflow-dur və Airflow-un deterministik, təkrarlanan təbiəti məhz buna uyğundur.

Hardening məqamları tanışdır: web UI-a RBAC, connection və variable-ların secret backend-də saxlanması, executor-ların izolyasiyası, DAG kodunun review-dan keçməsi, çünki DAG kodu scheduler-in icazələri ilə işləyir.

OpenAI Agent Builder və managed platformalar

2025-in sonunda OpenAI vizual Agent Builder-i və onun altındakı Agents SDK-ni təqdim etdi: canvas-da agent node-ları, guardrail node-ları, handoff-lar, hosted tool-lar və daxili tracing. Cloud provider-lərin də analoji agent servisləri var. Ümumi vəd eynidir: infrastruktur, guardrail və observability hazırdır, siz yalnız agent-in məntiqini yazırsınız.

Trade-off-lar:

Managed platforma seçmək "security provider-in işidir" demək deyil. Fəsil 10-da provider və consumer məsuliyyətlərinin bölgüsünə ayrıca baxacağıq; qısa versiyası budur ki, tool-ların scope-u, data-nın nəyin göndərildiyi və insan təsdiq nöqtələri həmişə sizin məsuliyyətinizdir.

Langflow və digərləri

Langflow LangChain komponentlərini vizual canvas-a gətirir və prototip üçün əlverişlidir. Flowise oxşar məqsədlidir. AutoGen söhbət əsaslı multi-agent pattern-lərini, agent-lərin bir-biri ilə mesajlaşaraq problemi həll etməsini, təklif edir. Hamısında eyni sual var: prototipdən production-a keçəndə nə dəyişir? Adətən authentication, secret idarəsi, tool scope-u və tracing, çünki prototip alətləri bunları default-da açıq qoymur.

Hansı iş üçün hansı framework

Hər framework üçün hardening checklist-i

• Network exposure. Platforma internetə baxırmı? Baxırsa, authentication, allowlist, WAF və rate limit.
• Authentication və RBAC. Workflow-u kim redaktə edə bilər, kim işə sala bilər, kim credential-lara baxa bilər.
• Secret-lər. Platformanın öz store-u yox, secret manager; minimal scope; rotation.
• Kod icrası. Kod node-ları və tool-lar sandbox-da, egress məhdud.
• Update cadence. Versiya izlənir, CVE-lər həftəlik yoxlanır, internetə açıq instance-lar günlər içində yamaqlanır.
• SBOM və plugin-lər. Community node-ları və plugin-lər dependency-dir; mənbəyi və versiyası qeyd olunur.
• Logging. Hər workflow icrası, hər tool call və hər model çağırışı kim, nə vaxt, hansı giriş və çıxışla log-lanır.
• Untrusted məzmun. Hər hansı node attacker-in yaza biləcəyi mətni oxuyursa, ondan sonrakı hərəkətlər daraldılır və ya təsdiqə bağlanır.

Tapşırıqlar

1. Komandanızın cari security avtomatlaşdırmalarını siyahıya alın və hər birini dörd sinifdən birinə yerləşdirin. Hansı sinifdə ən çox alət var və onlar hardening checklist-inin neçə bəndini keçir?
2. Yuxarıdakı vulnerability management crew-nu öz mühitiniz üçün yenidən yazın: rollar, tool-lar və process. Hər agent-in tool siyahısından bir tool çıxarmağa çalışın; iş yenə görülürmü?
3. İnternetə baxan bir workflow platformanız varsa, onun webhook-larını, versiyasını və credential store-unu yoxlayın. Üç nəticəni bir səhifəlik risk qeydi kimi yazın.