Abnormal ИИ, сервис поведенческой безопасности, чьи решения защищают более 25% компаний из Fortune 500, перевела часть своей системы обнаружения угроз в электронной почте на агентов с исполнением кода. Для этого компания задействовала Amazon Bedrock AgentCore Code Interpreter — управляемый серверный runtime, который позволяет агентам динамически запускать код. Системы работают в продакшене и обрабатывают миллиарды сообщений в день, выполняя код в том же масштабе, чтобы блокировать угрозы до попадания письма в ящик.
Amazon Bedrock AgentCore Code Interpreter — это полностью управляемый сервис, который даёт агенту изолированную среду для выполнения команд, загрузки файлов и получения результатов. Сессии работают в эфемерных MicroVM с настраиваемым временем жизни: по умолчанию 15 минут, максимум 8 часов для длительных задач. Изоляция обеспечивается на уровне операционной системы хоста, что предотвращает случайную утечку данных между сессиями. Сервис поддерживает сетевой режим VPC или публичный доступ в интернет, работу с файлами до 100 МБ через API или через Amazon S3 для больших наборов данных. Предустановлены окружения Python и Node.js с библиотеками для визуализации, статистики и обработки данных. Логи отправляются в Amazon CloudWatch и AWS CloudTrail. Ключевая особенность — Code Interpreter предоставляется как API и не навязывает агенту конкретный рабочий процесс: он просто даёт среду, где агент может выполнять команды. Для команд с уже существующей агентной инфраструктурой такая plug-and-play-интеграция упрощает внедрение.
| Уровень | Метод | Объём в день |
|---|---|---|
| Tier 1 | Эвристики, лёгкие классификаторы (логистические регрессии) | Миллиарды |
| Tier 2 | Глубокие нейросети и ML-модели | Миллионы |
| Tier 3 | Inline-агенты с Code Interpreter | Десятки тысяч |
Зачем агентам вообще нужна вычислительная песочница? Большие языковые модели хорошо справляются с рассуждениями и семантикой, но многие реальные операции не сводятся к семантике. Простой вопрос «сколько фишинговых писем мы обнаружили за последний час?» требует вычислений, а не генерации текста. Обработка и визуализация данных — преобразование сырых данных в графики, PDF или структурированные отчёты — тоже выходит за рамки языковых возможностей. Верификация кода: запуск юнит-тестов, линтинга и интеграционных тестов для проверки сгенерированного агентом кода. Сочетание LLM с Code Interpreter расширяет возможности агента за пределы того, что даёт одно рассуждение. «Практически любому агенту, пишет он код или нет, нужна песочница Code Interpreter, которая позволяет ему обрабатывать данные и приходить к ответам», — говорит Шриву Шанкар, вице-президент по стратегии ИИ в Abnormal ИИ.
Архитектура Abnormal ИИ построена на трёхуровневой детекции. Tier 1 обрабатывает миллиарды сообщений в день с помощью небольших моделей, эвристических правил и лёгких классификаторов (логистических регрессий). На таком масштабе запускать большие модели дорого и не нужно — большинство писем классифицируются без глубокого анализа. Tier 2 принимает миллионы сообщений в день, в которых Tier 1 не уверен, и прогоняет их через глубокие нейросети и ML-модели для более детального анализа поведенческих сигналов. Tier 3 обрабатывает десятки тысяч самых сложных случаев в день — те, что обычно требуют участия человека-аналитика. Эти inline-агенты получают данные threat intelligence и используют песочницу для анализа, динамически пишут скрипты, а затем оценивают результаты. Именно на этом уровне и применяется Code Interpreter.
Подход Abnormal ИИ отражает более широкую тенденцию: ИИ-агенты всё чаще используются не только для генерации кода, но и для выполнения задач, требующих вычислений. Сегодня 80% изменений кода в компании создаются с участием агента в той или иной форме, а 40% — полностью агентами без участия человека. Использование Code Interpreter для обнаружения угроз — это тот же ИИ-native подход, применённый к продакшен-среде. Для команд, которые разворачивают агентов в масштабе, опыт Abnormal ИИ показывает: изолированная песочница с управляемым жизненным циклом и гибкой сетевой конфигурацией становится инфраструктурным стандартом, а не экспериментом.
