AI Security School SDK

Python-клиент для работы с агентными средами полигона AI Security School. SDK получает документацию конкретной задачи и вызывает тот же agent-env API, которым пользуется браузер: состояние, действия, проверку и сброс.

Установка

Требуется Python 3.12 или новее.

python -m pip install ai-security-school-sdk

Для воспроизводимой установки этой версии:

python -m pip install ai-security-school-sdk==0.2.0

Версия 0.2.0 меняет публичный интерфейс SDK. Вместо отдельных лабораторий и прогонов используются существующие экземпляры agent-env и их задачи.

Подключение и документация

На странице операции откройте «Подключить Python SDK», создайте токен и передайте его через переменную окружения. Токен ограничен выбранной операцией. AI_SECURITY_SCHOOL_BASE_URL можно задать для другого развёртывания; по умолчанию используется https://plgn.aisecschool.ru.

export AI_SECURITY_SCHOOL_TOKEN="YOUR_TOKEN"

from ai_security_school_sdk import Client

with Client.from_env() as client:
    for env in client.envs.list():
        print(env.instance_id, env.title)
        for task in env.tasks.list():
            print(task.task_id, task.title)

    task = client.tasks.get("YOUR_TASK_ID")
    docs = task.documentation()
    print(docs.instructions)
    print(docs.action_payload_schema)
    print(docs.action_payload_examples)
    for action in docs.actions:
        print(action.name, action.description, action.input_schema, action.examples)

client.envs.get(instance_id) возвращает одну среду. env.tasks.list() возвращает задачи из полученного списка; env.tasks.get(task_id) загружает документацию выбранной задачи. Среда соответствует agent-env-instance, задача — ctf-instance. Документация описывает доступные студенту точки входа, а не внутренние инструменты агента. Набор действий и схемы приходят с сервера, поэтому новая задача не требует новой версии SDK.

Выполнение действий

Для действия с именем используйте task.actions.call(name, arguments). Имя и аргументы выбираются из документации конкретной задачи:

with Client.from_env() as client:
    task = client.tasks.get("YOUR_TASK_ID")
    print(task.actions.list())

    # Используйте это имя только если оно есть в документации выбранной задачи.
    result = task.actions.call("send_message", {"message": "Проверь новый документ"})
    print(result.status, result.response, result.state)
    print(task.state().model_dump())

Метод вставляет поле action в тело запроса. В arguments передаются остальные поля; input_schema и examples описанного действия не содержат action. SDK проверяет аргументы и полное тело по JSON Schema перед отправкой. Сервер применяет проверки существующего обработчика действия, а также контролирует доступ, пререквизиты и бюджет пользователя.

task.act(payload) принимает полное нативное тело действия. Так поддерживаются и существующие среды, у которых нет именованных действий, например чат:

with Client.from_env() as client:
    task = client.tasks.get("YOUR_CHAT_TASK_ID")
    docs = task.documentation()
    print(docs.action_payload_schema, docs.action_payload_examples)
    result = task.act({"message": "Привет"})
    print(result.model_dump())

Пустой docs.actions не означает отсутствие возможностей: используйте полную схему action_payload_schema. SDK не угадывает имена действий по коду runtime. Документация не исполняется как Python-код, внешние ссылки JSON Schema не загружаются. Внешние поверхности сценария, например MCP-сервис или реестр зависимостей, используются через их собственные интерфейсы.

Состояние, проверка и сброс

with Client.from_env() as client:
    task = client.tasks.get("YOUR_TASK_ID")
    current = task.state()
    print(current.status, current.missing_prerequisites)

    if task.documentation().supports_standalone_grading:
        verdict = task.grade()
        print(verdict.grader_passed, verdict.grader_result, verdict.completed)

    # При необходимости передайте task.grade({...}) полезную нагрузку проверки.
    # Явный сброс через существующее поведение среды:
    # task.reset()

supports_grading означает наличие оценивания вообще; supports_standalone_grading разрешает отдельный вызов grade(). Некоторые задания оценивают ответ внутри своих действий, например submit_card или submit_finding.

У одного пользователя задачи одной среды разделяют состояние с браузером и другими скриптами. Получение нового handle или создание второго клиента не создаёт отдельную попытку. Сброс затрагивает общее состояние среды; сохранение зачётов и пререквизитов определяется её существующим поведением. Локальный контекстный менеджер закрывает только HTTP-соединения.

Алгоритм атаки работает в вашем Python-процессе. Вызовы возвращают обычные ответы runtime без фоновых заданий SDK, checkpoint, fork или воспроизведения сценария. Вызовы одной среды выполняйте последовательно: параллельные кандидаты будут менять одно состояние. Async-клиент удобен для неблокирующего ожидания и работы с разными независимыми средами.

Async

import asyncio
from ai_security_school_sdk import AsyncClient


async def main():
    async with AsyncClient.from_env() as client:
        task = await client.tasks.get("YOUR_TASK_ID")
        docs = await task.documentation()
        print(docs.instructions)
        result = await task.act({"message": "Привет"})  # Если разрешено схемой.
        print(result.response)
        print((await task.state()).state)


asyncio.run(main())

Методы async-ресурсов, включая env.tasks.list(), вызываются через await. Конструкторы, from_env(), поля .info, .task_id, .instance_id и .title синхронные. task.documentation() обновляет снимок .info; task.state() получает текущее серверное состояние. Дополнительные поля ответов сохраняются в моделях и доступны через model_dump().

Примеры: документация и вызов, последовательный поиск кандидатов, связанные задачи одной среды.

Ошибки и сетевые повторы

• APIError содержит code, message, status_code, details и usage. Для HTTP 401/403/404/409/429 используются AuthenticationError, PermissionDeniedError, NotFoundError, ConflictError, LimitExceededError.
• Успешный HTTP-ответ с status="locked" остаётся RuntimeResponse: проверьте status и missing_prerequisites перед дальнейшими действиями.
• ActionValidationError означает локальное несоответствие схеме, ProtocolError — некорректный ответ или неподдерживаемую ссылку в схеме.
• Автоматические повторы допускаются только для GET: при сетевых ошибках и HTTP 429/502/503/504. Параметры клиента: timeout=120, max_retries=2, retry_backoff=0.25; max_retries=0 отключает повторы.
• Действия, проверка и сброс никогда не повторяются автоматически. При сетевом сбое TransportError.may_have_executed показывает, что изменение могло уже выполниться. Сначала изучите task.state() и только затем решайте, нужен ли повтор. Таймаут или отмена async-корутины не доказывают, что сервер остановил исполнение.
• Для удалённого сервера требуется HTTPS. HTTP доступен для локальной разработки; перенаправления HTTP не выполняются, чтобы не передавать токен другому адресу.

Разработка

uv sync --python 3.12
uv run pytest
uv run ruff check .
uv run mypy src
uv build

Пакет не импортирует backend платформы. Sync/async тестируются через HTTPX MockTransport против одного контракта /api/agent-env. Публикация описана в PUBLISHING.md.

Runtime contract

Version 0.3 targets the coordinated 2026-09-runtime-1 platform release. HTTP failures use { "error": { "code", "message", "details" }, "usage", "retry_after" }. Task prerequisite and completion metadata refer to explicit task IDs; shared environment state does not imply shared task credit. Upgrade the platform, course clients, and SDK together.