Cómo ejecutar open-kritt en un VPS con Docker
Configura open-kritt en un VPS con Docker Compose, fija una versión, accede a la UI por túnel SSH en el puerto 5173 y define el presupuesto del proveedor.
Por qué ejecutar open-kritt en un VPS y no en tu portátil
Ejecuta open-kritt en un servidor que puedas destruir y reconstruir. La herramienta ejecuta sus agentes de análisis como root dentro de contenedores de trabajos desechables, proporciona a cada uno una copia modificable de tu código y acceso directo a Internet, y monta el socket de Docker del host en su servicio de motor. Es una combinación razonable en un equipo dedicado a este trabajo. Es una mala opción en la máquina que contiene tus claves SSH.
Cuatro propiedades de la configuración predeterminada justifican esta recomendación. Las cuatro proceden del README y del archivo compose del proyecto.
Los agentes están diseñados para tener amplios privilegios. El README indica que los agentes con herramientas se ejecutan como root dentro de contenedores de trabajos desechables, con copias modificables de los repositorios y acceso directo a Internet. Así pueden instalar herramientas, compilar objetivos, ejecutar pruebas y crear pruebas de concepto. Un análisis no consiste en que un linter lea archivos. Es ejecución arbitraria de código que tú has solicitado. Ese acceso a Internet tiene riesgos en ambos sentidos: todo lo que un agente obtiene mientras investiga un objetivo es texto no confiable que llega a su prompt, igual que ocurre cuando das a un agente su propia búsqueda web.
El motor tiene el socket de Docker. docker-compose.yml monta el socket de Docker del host en el servicio de motor, porque el motor crea e inicia un contenedor de análisis por cada trabajo. Cualquier proceso que pueda acceder a ese socket puede iniciar un contenedor que monte el sistema de archivos del host. Por tanto, el motor tiene efectivamente privilegios de root sobre el host donde se ejecuta.
No hay pantalla de inicio de sesión. El backend se distribuye sin autenticación de aplicación. El acceso al puerto permite acceder a los resultados de tus análisis y al crédito de tu proveedor.
El código que analizas a menudo no es tuyo. Indicar a los agentes un repositorio de terceros significa ejecutar la compilación de ese repositorio en tu máquina, como root y con acceso a la red.
Si has leído por qué los agentes de programación deben ejecutarse en una VM desechable, este es el mismo modelo de amenazas, pero más fuerte. Asigna a open-kritt un VPS que no tenga ningún otro servicio y administra ese VPS desde una cuenta de usuario independiente con privilegios mínimos en lugar de root.
Qué hace realmente open-kritt
open-kritt (el repositorio es Kritt-ai/open-kritt y está sujeto a la licencia AGPL-3.0) divide la investigación de vulnerabilidades en tareas pequeñas, ejecuta esas tareas en paralelo mediante agentes de IA y después elimina duplicados y clasifica los resultados. Defina un flujo de trabajo como una cadena de prompts especializados. Cada paso recibe contexto estructurado de los pasos anteriores. El objetivo del análisis es un repositorio git remoto o local. El motor de análisis es Codex o Claude Code. Cuando aparece un candidato, los post-scripts opcionales pueden intentar validarlo o crear una prueba de concepto. Diseñar esa cadena es trabajo habitual con agentes, no trabajo de seguridad. Si todavía no conoce bien los prompts, las herramientas y la transferencia de contexto, aprender cómo se construyen los agentes le ayudará más a mejorar los resultados que cualquier ajuste de esta guía.
Al final se obtiene una lista clasificada de candidatos. Trátela como una cola de triaje, no como un informe.
Lo que necesita antes de empezar
- Un VPS con Ubuntu 24.04, Debian 12 o Rocky Linux 9. La documentación de instalación indica que esas son las distribuciones probadas, en x86_64 y ARM64.
- Docker Engine con el complemento Compose.
- Node.js 20 o posterior en el host, porque la CLI
./krittse ejecuta en el host y no dentro de un contenedor. - Un proveedor de modelos: un inicio de sesión de Codex, o
OPENAI_API_KEY,CODEX_API_KEY,ANTHROPIC_API_KEYoOPENROUTER_API_KEY. GITHUB_TOKENsólo si piensa analizar repositorios privados. El.env.exampleincluido lo indica claramente: un token de GitHub por sí solo no permite ejecutar análisis.
Instale primero Docker y Node 20
curl -fsSL https://get.docker.com | sudo sh
sudo usermod -aG docker $USERCierre la sesión y vuelva a iniciarla para que se aplique la nueva pertenencia al grupo. Después, confirme que el complemento Compose esté disponible.
docker compose versionUna cadena de versión indica que Compose está instalado como complemento. docker: 'compose' is not a docker command indica que, en su lugar, tiene el binario independiente antiguo docker-compose, y open-kritt llama a docker compose. La pertenencia al grupo docker equivale a tener acceso root en el host. Por eso, añada únicamente a ese grupo la cuenta que ejecuta open-kritt. Para consultar la versión más detallada de esta configuración, vea ejecutar Docker en un VPS.
Ubuntu 24.04 incluye Node 18 en su propio repositorio, y la CLI termina con error si la versión es inferior a 20. Node 20 ya llegó al final de su ciclo de vida y dejó de recibir actualizaciones. Por eso, instale Node 22 desde NodeSource. Cumple la misma comprobación de versión 20 o posterior.
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt install -y nodejs
node -vnode -v debe mostrar v22. aquí. La CLI rechazará cualquier versión inferior a v20.. En Rocky Linux 9, el equivalente es sudo dnf module enable nodejs:22 -y seguido de sudo dnf install -y nodejs.
Clonar open-kritt y fijar una versión etiquetada
git clone https://github.com/Kritt-ai/open-kritt
cd open-kritt
git fetch --tags
git tag --list
git checkout v1.4.1main cambia con el tiempo. Una etiqueta no cambia. A fecha de 12 October 2026, la etiqueta más reciente es v1.4.1, publicada el 16 August 2026, y git tag --list muestra lo que existe el día en que se clona el repositorio. v1.4.0 (12 August 2026) añadió la admisión de ejecutores teniendo en cuenta la memoria, descrita en la sección sobre dimensionamiento. v1.4.1 corrigió un error por el que el ranker ignoraba las reglas de clasificación proporcionadas por el usuario. Al cambiar a una etiqueta, el repositorio queda en estado detached HEAD. Esto es correcto en este caso: este clon se usa como un despliegue fijado, no como una rama en la que se harán commits. Para actualizarlo más adelante, lea las notas de la versión, ejecute git fetch --tags, cambie a la nueva etiqueta y vuelva a ejecutar ./kritt start, porque start reconstruye las imágenes.
No ejecute ./kritt con sudo. La documentación lo indica explícitamente. La CLI administra directorios de credenciales locales del proyecto en .data/. Por tanto, una ejecución como root deja esos directorios propiedad de root y la siguiente ejecución normal no puede escribir en ellos.
Configurar el acceso a los modelos con ./kritt setup
./kritt setupEl comando crea .env a partir de .env.example si no existe, muestra el estado de cada credencial y permite configurarlas o eliminarlas. Nunca muestra los valores en el terminal. Tanto .env como el archivo de credenciales del motor se escriben con permisos 0600.
Si prefiere hacerlo manualmente:
cp .env.example .env
chmod 600 .env
mkdir -p .data/codex
chmod 700 .data/codexDespués, edite la clave del proveedor en .env y mantenga el archivo con permisos 0600. En ambos casos, el servidor tendrá una credencial válida del proveedor. Esta es otra razón para que no aloje nada más. Cree una clave exclusiva para este proyecto, de modo que revocarla más adelante no afecte a nada importante. Mantener los secretos fuera del alcance de los agentes de IA explica esta práctica con más detalle.
Establezca un límite de gasto del proveedor antes del primer análisis
open-kritt está diseñado para distribuir el trabajo, y esa distribución es lo que genera costes. Los valores predeterminados de .env.example en v1.4.1 son conservadores: ENGINE_WORKER_COUNT=2, descrito en el archivo como un valor predeterminado conservador para una máquina pequeña con 2 vCPU, y ENGINE_MAX_CONCURRENT_SCANS=1. Por encima de estos valores está ENGINE_WORKERS_PER_ACCOUNT=15, el número máximo de llamadas simultáneas al modelo principal permitidas en una cuenta de proveedor, y ENGINE_CODEX_MAX_SUBAGENTS_PER_SESSION=5, porque una sesión de Codex puede ejecutar hasta cinco agentes secundarios. Si aumenta el número de workers en un VPS más grande, también aumenta el número de llamadas al modelo en curso.
El repositorio no limita el gasto. .env.example no contiene ningún ajuste de presupuesto. Las propias condiciones de parada del motor son esos límites de workers y ENGINE_HARNESS_TIMEOUT_SECONDS, que establece de forma predeterminada 7200 segundos por ejecución del harness. Aquí, un harness es el bucle que sigue llamando al modelo con herramientas y contexto hasta que algo finaliza la ejecución. Por tanto, ese tiempo de espera es un límite de tiempo real para el programa que envuelve al modelo, no un límite del gasto que el modelo realiza dentro de él. Por eso, el límite debe configurarse en el proveedor. Abra la consola del proveedor y establezca un límite mensual estricto antes del primer análisis, no después. Controlar cuánto le cuesta un agente de IA en un VPS explica la configuración de cada proveedor.
También hay un freno local. Establecer ENGINE_WORKER_COUNT=0 pausa la recogida de trabajos nuevos. Los mismos valores de workers se pueden cambiar en la pantalla Settings cuando la pila esté en ejecución.
Esta guía no indica un precio por análisis, porque el coste depende del tamaño del repositorio, del flujo de trabajo que cree y del modelo que utilice. Ejecute un análisis contra un repositorio pequeño y, después, consulte la página de uso del proveedor antes de analizar algo grande.
Inicie el stack y compruebe que esté operativo
./kritt startEsto comprueba .env y al menos una credencial, y después ejecuta docker compose up --build. La primera compilación tarda porque compila las imágenes del frontend, el backend, el motor, la vista del executor y la base de datos. También se ejecuta en primer plano, por lo que cerrar la sesión SSH detiene el stack. Inícielo dentro de tmux o ejecútelo en segundo plano una vez que la primera compilación haya terminado correctamente. Ninguna de estas opciones sobrevive por sí sola a un reinicio. Si quiere que el stack vuelva a iniciarse después de reiniciar el servidor, el patrón de unidad de systemd descrito en mantener un agente autohospedado en ejecución tras los reinicios se aplica directamente.
docker compose up -d --build
docker compose psdocker compose ps debería mostrar open-kritt-frontend, open-kritt-backend, open-kritt-engine, open-kritt-executor-view y open-kritt-db. Después, compruebe que el backend responda en el propio servidor.
curl -s http://127.0.0.1:3002/api/healthUna respuesta JSON indica que el backend está activo. Failed to connect to 127.0.0.1 port 3002: Connection refused indica que no lo está, y docker compose logs backend mostrará el motivo. Detenga todo con docker compose down desde el directorio del repositorio.
Una opción adicional: docker compose exec backend npm run seed carga datos de demostración. Es una forma sencilla de revisar la interfaz antes de gastar dinero en un análisis real.
Acceder a la interfaz en el puerto 5173 mediante un túnel SSH
Todos los servicios del archivo compose se enlazan a 127.0.0.1 de forma predeterminada: el frontend en 5173, el backend en 3002, la vista del executor en 8090 y Postgres en 5432. Mantenga esos enlaces y reenvíe el puerto mediante SSH desde su propio equipo.
ssh -N -L 5173:127.0.0.1:5173 you@your-server-ipAbra http://localhost:5173 en el navegador local mientras se ejecuta ese comando. -N indica que la conexión transporta el reenvío y no abre un shell. Añada un segundo -L 8090:127.0.0.1:8090 al mismo comando cuando también necesite la vista del executor.
La opción más tentadora es establecer FRONTEND_BIND_ADDRESS=0.0.0.0 y omitir el túnel. No lo haga. El backend no tiene pantalla de inicio de sesión, por lo que cualquiera que acceda a esa página puede iniciar análisis y consumir el crédito de su proveedor. En cambio, Vaultwarden está diseñado para exponerse a Internet, y su endurecimiento sigue dependiendo del token de administrador y del archivo de copia de seguridad, controles que open-kritt no ofrece. Hay otro problema relacionado: un puerto publicado del contenedor se procesa antes de que se aplique la política predeterminada de ufw, por lo que una regla ufw deny 5173 parece correcta, pero no bloquea nada. Puertos de Docker que omiten ufw muestra la cadena de reglas que lo provoca.
Dimensionamiento del VPS
ENGINE_MIN_FREE_STORAGE_GB tiene el valor predeterminado 20, y el motor no inicia un contenedor nuevo de escaneo por tarea cuando el almacenamiento libre es inferior a ese valor. Las imágenes creadas, la caché de checkout, los datos de Postgres y los espacios de trabajo de las tareas están en el mismo disco, por lo que un VPS de 20 GB nunca inicia un escaneo. Considere 40 GB como el mínimo y asigne más si escanea repositorios grandes. No intente recuperar espacio alojando junto a este servicio otro servicio que consuma mucho almacenamiento, porque los mínimos medidos de RAM y disco en esta comparación entre PhotoPrism e Immich muestran lo rápido que una biblioteca multimedia consumiría el margen que necesita un escaneo. Lo mismo se aplica a los extras ornamentales que parecen no consumir recursos junto a un escáner: una interfaz web que transforma una biblioteca de Jellyfin en un videoclub de los años 90 sigue incorporando un servidor multimedia completo y sus transcodificaciones al disco subyacente, así que asígnele otro host.
La memoria se calcula con una aritmética sencilla, y los ajustes relacionados se incorporaron en v1.4.0, por lo que se aplican a la etiqueta fijada arriba, pero no a las anteriores. ENGINE_MEMORY_RESERVE_GB=2 reserva memoria para el motor, la base de datos, la API y la sobrecarga de corta duración. Cada ejecutor de escaneo tiene una reserva flexible de ENGINE_SCAN_RUNNER_MEMORY_RESERVATION_MB=1536 y un límite estricto de ENGINE_SCAN_RUNNER_MEMORY_MB=1536. Por tanto, dos workers necesitan unos 5 GB antes de que se ejecute cualquier otra cosa. El motor sólo admite los ejecutores que caben en el presupuesto restante, por lo que los escaneos se ponen en cola en lugar de fallar en un equipo pequeño. Es un comportamiento mucho mejor que la intervención del asesino de procesos por falta de memoria. La misma aritmética establece el mínimo para cualquier herramienta que asigne su propio contenedor a cada unidad de trabajo. Por eso el contenedor y el navegador de OpenBot para cada compañero de IA alcanza el límite de RAM mucho antes que el de CPU.
Dos ajustes de limpieza tienen el valor predeterminado true: ENGINE_AUTO_PRUNE_DOCKER_BUILD_CACHE y ENGINE_AUTO_PRUNE_UNUSED_DOCKER_IMAGES. Cuando termina una tarea, el motor elimina la caché de compilación no utilizada, las imágenes no utilizadas y los contenedores de escaneo detenidos. Se conservan las imágenes a las que hace referencia cualquier contenedor, los contenedores de servicio, los bind mounts, los datos de la base de datos, las credenciales y los volúmenes. Es otro motivo para no compartir el host: un proceso de limpieza que usted no configuró se ejecuta contra ese daemon de Docker.
Los ajustes del motor que la mayoría termina cambiando
ENGINE_WORKER_COUNT: número total de slots de workers compartidos por los pasos de escaneo y el procesamiento posterior. Establézcalo en 0 para pausar la recogida de tareas nuevas.ENGINE_MAX_CONCURRENT_SCANS: número de escaneos que se admiten simultáneamente. Los escaneos en cola esperan hasta que el grupo activo queda vacío.ENGINE_MAX_WORKERS_PER_SCAN: 0 distribuye los slots agregados de forma uniforme entre los escaneos.ENGINE_HARNESS_TIMEOUT_SECONDS: 7200 de forma predeterminada. Es la duración máxima de una sola tarea descontrolada. El motor acepta valores de 60 a 86400. Cualquier valor fuera de ese intervalo, incluido 0, vuelve a usar 7200.ENGINE_MIN_FREE_STORAGE_GB: mínimo de almacenamiento.ENGINE_IGNORE_LOW_STORAGE=truedesactiva la protección y el archivo advierte que esto puede llenar el disco del host.ENGINE_SCAN_RUNNER_MEMORY_MB: límite estricto de memoria por ejecutor. 0 elimina el límite.ENGINE_SCAN_RUNNER_MEMORY_RESERVATION_MB: reserva flexible por ejecutor que se tiene en cuenta durante la admisión. Reducirla permite sobreasignar la memoria inactiva, mientras el límite estricto sigue conteniendo los picos.
Analizar un repositorio local sin exponerlo
LOCAL_REPOS_PATH tiene el valor predeterminado ./local_repos y se monta mediante bind como solo lectura en los contenedores de backend y del motor. Por tanto, un repositorio que coloque en esa carpeta del host aparece de inmediato dentro de los contenedores. Use un clon nuevo, no su árbol de trabajo. El contenedor del trabajo obtiene una copia con permisos de escritura, tiene acceso como root dentro del propio contenedor y dispone de acceso saliente a Internet. Esto significa que cualquier elemento de esa copia puede modificarse o enviarse fuera del servidor. Elimine los archivos .env y las claves privadas antes de copiar el proyecto.
Lo que recibe y lo que no
Recibe hallazgos candidatos ordenados por prioridad. No recibe vulnerabilidades verificadas. La clasificación y la eliminación de duplicados determinan el orden de la cola de triaje. No demuestran que una entrada sea real. Los scripts posteriores pueden intentar validar el hallazgo y crear una prueba de concepto. Esa es la señal más sólida que ofrece la herramienta. Sin embargo, que un script posterior falle no demuestra que el hallazgo sea falso. Una persona debe revisar todos los candidatos. Esa diferencia entre un candidato y una prueba explica por qué conviene pedir a un agente pruebas que pueda volver a ejecutar usted mismo: un hallazgo que puede reproducir bajo demanda vale más que uno clasificado que debe aceptar sin verificar.
Esta guía no afirma cuántos errores reales detecta open-kritt, porque no lo hemos medido. Quien cite una tasa de detección para su base de código no la ha ejecutado contra su base de código. Primero analice un repositorio que ya conozca bien: los hallazgos que puede evaluar usted mismo son la calibración más barata disponible.
La autorización es más importante aquí que con la mayoría de las herramientas autoalojadas. Los agentes compilan y ejecutan código, y acceden a la red, por lo que un paso de prueba de concepto puede interactuar con sistemas activos. Dirija la herramienta a código que sea de su propiedad o que tenga autorización contractual para probar, y documente el alcance objetivo antes de ejecutar cualquier cosa. Si configura ANTHROPIC_API_KEY y usa el motor Claude Code, las prácticas de sandboxing descritas en ejecutar Claude Code de forma segura en un VPS también se aplican a estos agentes.
FAQ
¿Por qué open-kritt necesita su propio VPS?
Porque sus agentes de análisis se ejecutan como root dentro de contenedores de trabajo desechables, con copias modificables de su código y acceso directo a Internet. Además, el servicio del motor monta el socket de Docker del host para poder iniciar un contenedor por trabajo. Cualquier proceso que acceda a ese socket puede iniciar un contenedor que monte el sistema de archivos del host. Por tanto, toda la pila debe considerarse equivalente a root en ese host. En un VPS dedicado, este riesgo es aceptable y reconstruir el servidor no tiene coste. En su estación de trabajo diaria, las claves SSH y los perfiles del navegador quedan dentro del mismo límite de confianza que el código que está analizando.
¿Puedo exponer el puerto 5173 en lugar de usar un túnel SSH?
No debería hacerlo. El backend se distribuye sin autenticación de aplicación, por lo que el puerto es la única barrera entre Internet y los resultados del análisis y el crédito del proveedor. Por ese motivo, el archivo compose enlaza todos los servicios con 127.0.0.1. Ejecute ssh -N -L 5173:127.0.0.1:5173 you@your-server-ip y acceda localmente a http://localhost:5173. Una regla de ufw no sustituye esta protección, porque un puerto publicado por Docker se gestiona antes de que se aplique la política predeterminada de ufw.
¿Cómo evito que open-kritt gaste más de lo previsto?
Establezca un límite estricto en la consola de su proveedor de modelos antes del primer análisis, porque open-kritt no tiene su propia configuración de presupuesto. Mantenga los valores predeterminados de concurrencia incluidos en la distribución durante las primeras ejecuciones, ENGINE_WORKER_COUNT=2 y ENGINE_MAX_CONCURRENT_SCANS=1. Recuerde que una cuenta de proveedor permite de forma predeterminada hasta 15 llamadas simultáneas al modelo root, mientras que una sesión de Codex puede ejecutar hasta cinco agentes secundarios. ENGINE_WORKER_COUNT=0 pausa la recogida de trabajos nuevos y es la forma local más rápida de detener el proceso.
¿Qué versión debería extraer?
Una etiqueta, nunca main. git fetch --tags seguido de git tag --list muestra las opciones disponibles, y v1.4.1, publicado el 16 August 2026, es el más reciente a fecha de 12 October 2026. Fijar la versión garantiza que una reconstrucción realizada meses después produzca la misma pila. También convierte la actualización en una decisión que se toma después de leer las notas de la versión, en lugar de un efecto secundario de clonar en otro día.
Un análisis nunca se inicia. ¿Qué debería comprobar?
Compruebe primero el espacio libre en disco, porque el motor no iniciará un contenedor de análisis por trabajo cuando el almacenamiento libre sea inferior a ENGINE_MIN_FREE_STORAGE_GB, cuyo valor predeterminado es 20 GB. Después, compruebe que ENGINE_WORKER_COUNT no sea 0, porque ese valor pausa la recogida de trabajos nuevos. A continuación, confirme que las credenciales de un modelo estén configuradas ejecutando ./kritt setup, porque un GITHUB_TOKEN por sí solo no puede ejecutar análisis. docker compose logs engine indica el motivo por el que se omitió el trabajo.