Cara Quin memindai.
Pasang CLI, arahkan ke sebuah repositori, dan dapatkan laporan terstruktur yang siap kepatuhan, tanpa instrumentasi kode dan tanpa perubahan di sisi agen.
Siap digunakan dalam tiga langkah.
Pasang melalui pip
pip install quin-scanner # or: uv tool install quin-scanner
Konfigurasi
curl -O https://raw.githubusercontent.com/Gaincontrol-Pte-Ltd/quin-agent-scanner/main/scanner-config.yaml # create .env with your LLM key (not needed with --no-llm) echo "ANTHROPIC_API_KEY=..." > .env
Jalankan dan tinjau
quin-scanner scan <target> --config scanner-config.yaml quin-scanner scan-org <org> --config scanner-config.yaml
Apa yang terjadi saat pemindaian.
Repo → 13 pemindai (paralel) → inventaris + cakupan → pencarian kerentanan → analisis LLM opsional → laporan.
13 pemindai (paralel)
Pemindai dependensi, konfigurasi, pola kode, struktur file, framework, penemuan prompt, Dockerfile, Jupyter, IaC, CI, MCP, instans agen, dan definisi tool berjalan secara lokal pada repo Anda. Belum ada panggilan LLM. Tahap tambahan untuk Python/JS/TS menautkan setiap agen ke tool yang diberikan secara eksplisit kepadanya, dan Quin mencatat alamat endpoint LLM (kredensial disamarkan) serta menyusun inventaris lengkap dan cakupan pemindaian.
Pencarian kerentanan
Setelah framework dan versi dasarnya teridentifikasi (misalnya CrewAI 0.80.0), Quin melakukan kueri ke OSV.dev (tanpa autentikasi, hanya nama framework dan versi) dan secara opsional ke LLM dengan pencarian web untuk advisori terbaru.
Tahap 1: Klasifikasi
Panggilan LLM mengklasifikasikan jenis sistem (standard_ai, agentic_ai, mcp_enabled, multi_agent) dan mengidentifikasi ancaman yang relevan dari taksonomi yang bersumber dari OWASP LLM Top 10, OWASP Agentic Top 10, OWASP MCP Top 10, MAESTRO, dan Databricks DASF.
Tahap 2: Sintesis
Panggilan LLM kedua memprofilkan setiap agen terhadap taksonomi, memetakan penggunaan tool ke kategori layanan, dan menulis ringkasan naratif yang masuk ke laporan Anda.
Durasi pemindaian bergantung pada ukuran repo dan latensi penyedia LLM Anda; tidak ada durasi tetap. Gunakan --no-llm untuk hanya menjalankan pemindai dan melewati kedua tahap LLM.
Ke mana kode Anda sebenarnya dikirim.
Pertanyaan pertama setiap engineer keamanan, dijawab dengan lugas.
API key Anda, penyedia Anda
Quin menggunakan API key LLM yang Anda konfigurasikan (Anthropic, OpenAI, Google, model Ollama lokal, atau endpoint yang kompatibel dengan OpenAI). Kode dan prompt yang diekstrak dikirim langsung dari mesin Anda ke penyedia tersebut, tidak pernah ke Gaincontrol.
Mode sepenuhnya lokal tersedia
Jalankan dengan --no-llm untuk melewati kedua tahap LLM sepenuhnya; tidak ada kode atau prompt yang dikirim ke LLM mana pun. Pemindai tetap berjalan dan menghasilkan temuan. Pencarian kerentanan tetap mengirim nama dan versi framework ke OSV.dev, dan ke penyedia pencarian web jika Anda mengonfigurasinya; tambahkan --no-vuln-check untuk pemindaian repo lokal tanpa panggilan eksternal sama sekali.
Pencarian kerentanan bersifat minimal
Kueri OSV.dev hanya mengirim nama dan versi framework yang terdeteksi, bukan kode sumber Anda. Langkah pencarian web opsional untuk advisori menggunakan API key penyedia Anda yang sudah ada.
Perangkat lunak beta. Temuan yang ditinjau, bukan kepercayaan buta.
Quin saat ini berada di versi v0.1.0b3, rilis publik awal yang masih aktif dikembangkan. Seperti alat analisis statis atau berbantuan LLM lainnya, Quin dapat menghasilkan false positive dan false negative. Setiap temuan disertai skor keyakinan agar Anda dapat memprioritaskannya, tetapi temuan perlu ditinjau secara independen sebelum dijadikan dasar keputusan keamanan, kepatuhan, atau arsitektur.
Quin mengikuti Semantic Versioning. Setiap perubahan dicatat di changelog proyek.
Laporan terstruktur, siap untuk pipeline Anda.
Setiap pemindaian menulis laporan HTML interaktif ke ./report/ secara default, atau JSON, YAML, atau SARIF, dengan skor keyakinan, tag kapabilitas, profil agen, dan sinyal risiko, siap untuk SIEM, GitHub code scanning, atau tinjauan manual.
- Temuan per file dengan skor keyakinan
- Tag kapabilitas (llm-api, rag, multi-agent, tool-use)
- Ringkasan niat agen dan sinyal risiko
- Peta agen ke tool
- Inventaris endpoint LLM, kredensial disamarkan
- Cakupan pemindaian: file yang dibaca dan pemindai yang dijalankan
- SARIF untuk GitHub code scanning
- Waktu pemindaian dan metadata repo
{
"repo_path": "crewAI-examples/crews",
"scan_timestamp": "2026-08-29T06:17:42.109475+00:00",
"is_ai_application": true,
"confidence": 0.99,
"capability_tags": [
"llm-api", "multi-agent", "orchestration",
"prompt-templates", "rag", "tool-use"
],
"framework": "CrewAI 0.152.0",
"agents": [
{
"name": "Research Analyst",
"agent_type": "worker",
"goal": "Analyze company culture and values to create job postings.",
"capabilities": ["web_scraping", "analysis"],
"risk_signals": [
{
"signal": "Agent retrieves external content (RAG, web, email, documents)",
"recommended_controls": [
"C001: Input Validation & Filtering",
"C002: Output Validation & Handling",
"C003: Access Control & Least Privilege",
"C006: Human Oversight & Approval Gates",
"C008: Agent Governance & Boundaries"
],
"threat_id": "T001",
"severity": "medium",
"evidence_refs": [
{
"file_path": "job-posting/src/job_posting/config/tasks.yaml",
"line_number": 2,
"scanner": "PromptDiscoveryScanner",
"source_url": ""
}
]
}
],
"tools": [],
"source_file": "job-posting/src/job_posting/config/agents.yaml"
}
],
"tool_usages": [
{
"tool_name": "web_search_tool",
"tool_type": "tool_definition",
"service_category": "web_search",
"source_file": "job-posting/src/job_posting/crew.py",
"line_number": 32
}
],
"mcp_servers": [],
"vulnerabilities": []
}