SSD Nodes Learn Hosting plans →
मार्गदर्शक Matt Connorद्वारे Matt Connor · अपडेटेड 2026-10-15

VPS वर open-kritt कसे सेटअप करावे

VPS वर Docker Compose वापरून open-kritt कसे इन्स्टॉल करावे हे जाणून घ्या. रिलीज पिनिंग, पोर्ट 5173 साठी SSH टनेल आणि पहिल्या स्कॅनपूर्वी सेट करायच्या बजेट मर्यादेची संपूर्ण माहिती.

तुमच्या लॅपटॉपऐवजी VPS वर open-kritt self-host का करावे

open-kritt अशा सर्व्हरवर self-host करा जो तुम्ही नष्ट करून पुन्हा तयार करू शकता. हे साधन त्याचे analysis agents root म्हणून disposable job containers मध्ये चालवते, प्रत्येक कंटेनरला तुमच्या कोडची writable प्रत आणि थेट इंटरनेट ॲक्सेस देते, आणि host Docker socket त्याच्या engine service मध्ये mount करते. या कामासाठी समर्पित असलेल्या मशीनवर हा एक रास्त तडजोड आहे. परंतु, ज्या मशीनवर तुमच्या SSH keys आहेत, तिथे ही एक मोठी चूक ठरू शकते.

डिफॉल्ट सेटअपचे चार गुणधर्म या सल्ल्याला कारणीभूत ठरतात आणि हे चारही गुणधर्म प्रकल्पाच्या स्वतःच्या README आणि compose फाईलमध्ये नमूद केलेले आहेत.

हे agents शक्तिशाली असण्यासाठीच बनवले आहेत. README मध्ये म्हटल्याप्रमाणे, tool-enabled agents हे root म्हणून disposable job containers मध्ये चालतात. त्यांना repository च्या writable प्रती आणि थेट इंटरनेट ॲक्सेस असतो, जेणेकरून ते टूल्स इन्स्टॉल करू शकतील, टार्गेट्स compile करू शकतील, टेस्ट्स रन करू शकतील आणि proofs of concept तयार करू शकतील. स्कॅन म्हणजे केवळ फाईल्स वाचणारा linter नाही. ही एक arbitrary code execution प्रक्रिया आहे, जी तुम्ही स्वतःहून सुरू केली आहे. इंटरनेट ॲक्सेस दोन्ही बाजूंनी काम करतो: टार्गेटवर संशोधन करताना एजंट जे काही मिळवतो, ते untrusted मजकूर म्हणून त्याच्या प्रॉम्प्टमध्ये येतो. जेव्हा तुम्ही एजंटला स्वतःचे वेब सर्च हाताळायला देता, तेव्हा तुम्ही याच धोक्याला निमंत्रण देत असता.

engine कडे Docker socket असते. docker-compose.yml हे host Docker socket ला engine service मध्ये mount करते, कारण engine प्रत्येक जॉबसाठी एक स्कॅन कंटेनर तयार करते आणि लाँच करते. ज्या प्रक्रियेला त्या socket पर्यंत पोहोचता येते, ती प्रक्रिया host filesystem mount करणारा कंटेनर सुरू करू शकते. त्यामुळे, engine ज्या host वर चालते, तिथे ते प्रभावीपणे root असते.

यात कोणतीही login screen नाही. backend मध्ये कोणतीही application authentication सुविधा नाही. पोर्टचा ॲक्सेस असणे म्हणजे तुमच्या निष्कर्षांचा आणि तुमच्या प्रोव्हायडर क्रेडिटचा ॲक्सेस असणे होय.

तुम्ही स्कॅन करत असलेला कोड अनेकदा तुमचा नसतो. एजंट्सना थर्ड-पार्टी repository कडे वळवणे म्हणजे त्या repository चे बिल्ड तुमच्या मशीनवर, root म्हणून आणि नेटवर्क ॲक्सेससह चालवणे होय.

जर तुम्ही coding agents disposable VM मध्ये का असावेत हे वाचले असेल, तर हा त्याच प्रकारचा threat model आहे, फक्त अधिक तीव्र. open-kritt साठी एक स्वतंत्र VPS वापरा ज्यावर इतर काहीही नसेल आणि त्या VPS ला root ऐवजी स्वतंत्र least-privilege user account वरून नियंत्रित करा.

open-kritt नक्की काय करते

open-kritt (याचे रिपॉझिटरी Kritt-ai/open-kritt आहे आणि ते AGPL-3.0 परवान्याअंतर्गत उपलब्ध आहे) असुरक्षितता संशोधनाचे (vulnerability research) लहान कामांमध्ये विभाजन करते, ही कामे AI एजंट्सद्वारे समांतरपणे चालवते आणि त्यानंतर मिळालेल्या निकालांमधून पुनरावृत्ती काढून त्यांची क्रमवारी लावते. तुम्ही वर्कफ्लोची व्याख्या एकाग्र प्रॉम्प्ट्सची साखळी म्हणून करता आणि प्रत्येक टप्प्याला मागील टप्प्यांकडून संरचित संदर्भ (structured context) मिळतो. स्कॅनचे लक्ष्य हे रिमोट किंवा स्थानिक git रिपॉझिटरी असते. विश्लेषण इंजिन म्हणून Codex किंवा Claude Code वापरले जाते. एखादा संभाव्य धोका (candidate) समोर आल्यानंतर, पर्यायी पोस्ट-स्क्रिप्ट्सद्वारे त्याचे प्रमाणीकरण किंवा proof of concept तयार करण्याचा प्रयत्न केला जाऊ शकतो. ही साखळी तयार करणे हे सुरक्षा कार्यापेक्षा सामान्य एजंट कार्यासारखे आहे, त्यामुळे जर प्रॉम्प्ट्स, टूल्स आणि संदर्भ देणे या गोष्टी तुमच्यासाठी नवीन असतील, तर एजंट्स कसे एकत्र केले जातात हे शिकणे तुम्हाला या मार्गदर्शिकेतील कोणत्याही सेटिंगपेक्षा अधिक चांगले परिणाम देईल.

शेवटी तुम्हाला संभाव्य धोक्यांची एक क्रमवारी लावलेली यादी मिळते. याकडे अहवाल म्हणून न पाहता, त्रुटी निवारण रांग (triage queue) म्हणून पहा.

सुरू करण्यापूर्वी आवश्यक गोष्टी

  • Ubuntu 24.04, Debian 12 किंवा Rocky Linux 9 वर चालणारा एक VPS. इन्स्टॉल डॉक्युमेंट्समध्ये x86_64 आणि ARM64 आर्किटेक्चरवर या वितरणांची (distributions) चाचणी केल्याचे नमूद आहे.
  • Docker Engine सोबत Compose प्लगइन.
  • होस्टवर Node.js 20 किंवा त्यापुढील आवृत्ती, कारण ./kritt CLI कंटेनरच्या आत न चालता थेट होस्टवर चालते.
  • एक मॉडेल प्रोव्हायडर: Codex लॉगिन, किंवा OPENAI_API_KEY, CODEX_API_KEY, ANTHROPIC_API_KEY किंवा OPENROUTER_API_KEY.
  • GITHUB_TOKEN फक्त तेव्हाच आवश्यक आहे जर तुम्हाला खाजगी रिपॉझिटरीज स्कॅन करायच्या असतील. सोबत दिलेले .env.example हे स्पष्टपणे नमूद करते: केवळ GitHub टोकन वापरून स्कॅन चालवता येत नाही.

Docker आणि Node 20 प्रथम स्थापित करा

curl -fsSL https://get.docker.com | sudo sh
sudo usermod -aG docker $USER

नवीन group membership लागू होण्यासाठी logout करून पुन्हा login करा. त्यानंतर Compose plugin उपलब्ध आहे का ते तपासा.

docker compose version

Version string दिसत असल्यास Compose हे plugin म्हणून स्थापित आहे. docker: 'compose' is not a docker command दिसत असल्यास त्याऐवजी जुना standalone docker-compose binary उपलब्ध आहे आणि open-kritt docker compose ला कॉल करते. docker group चे membership host वरील root इतकेच अधिकार देते. त्यामुळे open-kritt चालवणारे accountच या group मध्ये जोडा. या setup ची अधिक विस्तृत आवृत्ती VPS वर Docker चालवणे येथे पहा.

Ubuntu 24.04 च्या स्वतःच्या repository मध्ये Node 18 उपलब्ध आहे. CLI 20 पेक्षा कमी आवृत्तीवर बंद होते. Node 20 आता end of life झाले आहे आणि त्याला updates मिळत नाहीत. त्यामुळे NodeSource कडून Node 22 स्थापित करा. ही आवृत्ती 20 किंवा त्यापेक्षा नवीन असण्याची समान तपासणी पूर्ण करते.

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt install -y nodejs
node -v

येथे node -v ने v22. दाखवले पाहिजे. v20. पेक्षा कमी कोणतीही आवृत्ती CLI नाकारेल. Rocky Linux 9 वर यासाठी समतुल्य command sudo dnf module enable nodejs:22 -y असून त्यानंतर sudo dnf install -y nodejs चालवा.

open-kritt clone करा आणि tagged release निश्चित करा

git clone https://github.com/Kritt-ai/open-kritt
cd open-kritt
git fetch --tags
git tag --list
git checkout v1.4.1

main तुमच्यासोबत पुढे सरकते. Tag मात्र तसे करत नाही. 12 October 2026 रोजी नवीनतम tag v1.4.1 आहे. तो 16 August 2026 रोजी प्रकाशित झाला. तुम्ही clone करता त्या दिवशी उपलब्ध असलेली आवृत्ती git tag --list दाखवते. v1.4.0 (12 August 2026) मध्ये sizing विभागात वर्णन केलेला memory-aware runner admission जोडला गेला. v1.4.1 मध्ये ranker ने वापरकर्त्याने दिलेल्या ranking rules कडे दुर्लक्ष करण्याची त्रुटी दुरुस्त केली. Tag checkout केल्यावर repository detached HEAD state मध्ये राहते. येथे हे योग्य आहे. तुम्ही या clone कडे pinned deployment म्हणून पाहत आहात, commit करण्यासाठी वापरल्या जाणाऱ्या branch म्हणून नाही. नंतर upgrade करण्यासाठी release notes वाचा. त्यानंतर git fetch --tags चालवा, नवीन tag checkout करा आणि पुन्हा ./kritt start चालवा, कारण start images पुन्हा build करते.

sudo सोबत ./kritt चालवू नका. Documentation मध्ये हे स्पष्टपणे नमूद केले आहे. CLI .data/ अंतर्गत project-local credential directories व्यवस्थापित करते. त्यामुळे root म्हणून run केल्यास त्या directories च्या मालकीचा user root होतो आणि पुढील सामान्य run मध्ये त्यांच्यावर लिहिता येत नाही.

./kritt setup सह मॉडेल ॲक्सेस कॉन्फिगर करा

./kritt setup

जेव्हा .env अस्तित्वात नसते, तेव्हा ही कमांड .env.example पासून ती तयार करते, प्रत्येक क्रेडेंशियलची स्थिती दर्शवते आणि तुम्हाला ती सेट किंवा अनसेट करण्याची परवानगी देते. ही कमांड कधीही क्रेडेंशियलची मूल्ये टर्मिनलवर प्रिंट करत नाही. .env आणि इंजिन क्रेडेंशियल फाईल दोन्ही 0600 मोडसह लिहिली जातात.

जर तुम्हाला हे काम स्वतः करायचे असेल तर:

cp .env.example .env
chmod 600 .env
mkdir -p .data/codex
chmod 700 .data/codex

त्यानंतर .env मध्ये प्रोव्हायडर की एडिट करा आणि फाईल 0600 मोडवर ठेवा. कोणत्याही पद्धतीने केले तरी, आता त्या सर्व्हरवर एक कार्यरत प्रोव्हायडर क्रेडेंशियल उपलब्ध आहे, आणि हेच एक कारण आहे की त्या सर्व्हरवर इतर कोणतीही महत्त्वाची माहिती नसावी. या प्रकल्पासाठी एक स्वतंत्र की तयार करा, जेणेकरून ती नंतर रद्द केल्यास तुमच्या इतर कोणत्याही कामात अडथळा येणार नाही. AI एजंट्सच्या आवाक्याबाहेर सिक्रेट्स ठेवणे या विषयावर अधिक सविस्तर माहिती दिली आहे.

पहिल्या scan पूर्वी provider खर्चाची कमाल मर्यादा सेट करा

open-kritt हे अनेक कामे समांतरपणे चालवण्यासाठी तयार केले आहे आणि त्यासाठीच खर्च होतो. v1.4.1 मधील .env.example चे default conservative आहेत: ENGINE_WORKER_COUNT=2, ज्याचे वर्णन त्या file मध्ये 2-vCPU असलेल्या छोट्या मशीनसाठी conservative default असे केले आहे, आणि ENGINE_MAX_CONCURRENT_SCANS=1. यापेक्षा वर ENGINE_WORKERS_PER_ACCOUNT=15 आहे. एका provider account वर एकाच वेळी चालू असलेल्या root model calls ची ही कमाल संख्या आहे. तसेच ENGINE_CODEX_MAX_SUBAGENTS_PER_SESSION=5 आहे, कारण Codex session एकावेळी पाच child agents पर्यंत चालवू शकते. मोठ्या VPS वर worker count वाढवल्यास एकाच वेळी सुरू असलेल्या model calls ची संख्या देखील वाढते.

तुम्ही किती खर्च कराल यावर repository मध्ये कोणतीही कमाल मर्यादा नाही. .env.example मध्ये budget setting नाही. Engine च्या स्वतःच्या stop conditions म्हणजे ही worker limits आणि ENGINE_HARNESS_TIMEOUT_SECONDS आहेत. प्रत्येक harness run साठी याचे default मूल्य 7200 seconds आहे. येथे harness म्हणजे tools आणि context वापरून model ला पुन्हा पुन्हा call करणारा loop आहे, जोपर्यंत run समाप्त करणारी एखादी अट पूर्ण होत नाही. त्यामुळे हा timeout model भोवती चालणाऱ्या program साठी wall clock मर्यादा आहे; त्याच्या आत model किती खर्च करेल यावरची मर्यादा नाही. म्हणून ही कमाल मर्यादा provider कडेच सेट करावी लागते. पहिला scan सुरू करण्यापूर्वी provider console उघडा आणि hard monthly limit सेट करा; scan केल्यानंतर नाही. VPS वर AI agent चा खर्च नियंत्रित करणे येथे प्रत्येक provider साठीच्या settings ची माहिती दिली आहे.

स्थानिक पातळीवरही एक नियंत्रण आहे. ENGINE_WORKER_COUNT=0 सेट केल्यास नवीन jobs उचलणे थांबते. Stack सुरू झाल्यानंतर Settings screen मधून हीच worker values बदलता येतात.

प्रत्येक scan ची किंमत या guide मध्ये दिलेली नाही, कारण खर्च repository चा आकार, तुम्ही तयार केलेला workflow आणि त्यामागील model यांवर अवलंबून असतो. एका छोट्या repository वर एक scan चालवा. त्यानंतर मोठ्या repository वर scan करण्यापूर्वी provider चे usage page तपासा.

स्टॅक सुरू करा आणि तो व्यवस्थित कार्यरत असल्याची खात्री करा

./kritt start

हे .env आणि किमान एक क्रेडेंशियल तपासते, त्यानंतर docker compose up --build चालवते. पहिली बिल्ड प्रक्रिया संथ असते, कारण ती frontend, backend, engine, executor view आणि database इमेजेस तयार करते. हे फॉरग्राउंडमध्ये चालते, त्यामुळे SSH सेशन बंद केल्यास स्टॅक थांबतो. ते tmux मध्ये सुरू करा, किंवा एकदा पहिली बिल्ड यशस्वी झाल्यावर ते detached मोडमध्ये सुरू करा. यापैकी कोणतीही पद्धत रीबूटनंतर आपोआप सुरू राहत नाही, त्यामुळे सर्व्हर रीस्टार्ट झाल्यावर स्टॅक पुन्हा सुरू ठेवण्यासाठी keeping a self-hosted agent running across reboots मधील systemd युनिट पॅटर्न थेट वापरता येतो.

docker compose up -d --build
docker compose ps

docker compose ps मध्ये open-kritt-frontend, open-kritt-backend, open-kritt-engine, open-kritt-executor-view आणि open-kritt-db दिसले पाहिजेत. त्यानंतर सर्व्हरवरच backend प्रतिसाद देत आहे का ते तपासा.

curl -s http://127.0.0.1:3002/api/health

JSON प्रतिसाद मिळणे म्हणजे backend सुरू आहे. Failed to connect to 127.0.0.1 port 3002: Connection refused चा अर्थ ते सुरू नाही असा होतो आणि docker compose logs backend त्याचे कारण सांगेल. रिपॉझिटरी डिरेक्टरीमधून docker compose down वापरून सर्व काही थांबवा.

एक अतिरिक्त पर्याय: docker compose exec backend npm run seed डेमो डेटा लोड करते, जो प्रत्यक्ष स्कॅनवर खर्च करण्यापूर्वी इंटरफेस पाहण्याचा एक सोपा मार्ग आहे.

SSH टनेलद्वारे पोर्ट 5173 वर UI ॲक्सेस करणे

compose फाईलमधील प्रत्येक सेवा डीफॉल्टनुसार 127.0.0.1 वर बाइंड होते: फ्रंटएंड 5173 वर, बॅकएंड 3002 वर, एक्झिक्युटर व्ह्यू 8090 वर आणि Postgres 5432 वर. या बाइंडिंगमध्ये बदल करू नका, त्याऐवजी तुमच्या स्वतःच्या मशीनवरून SSH द्वारे पोर्ट फॉरवर्ड करा.

ssh -N -L 5173:127.0.0.1:5173 you@your-server-ip

ही कमांड चालू असताना तुमच्या स्थानिक ब्राउझरमध्ये http://localhost:5173 उघडा. -N चा अर्थ असा की कनेक्शन फक्त फॉरवर्डिंग वाहून नेते आणि कोणतीही शेल देत नाही. जेव्हा तुम्हाला एक्झिक्युटर व्ह्यू देखील हवा असेल, तेव्हा त्याच कमांडमध्ये दुसरे -L 8090:127.0.0.1:8090 जोडा.

FRONTEND_BIND_ADDRESS=0.0.0.0 सेट करून टनेल टाळण्याची प्रवृत्ती होऊ शकते. असे करू नका. बॅकएंडला कोणतीही लॉगिन स्क्रीन नाही, त्यामुळे जो कोणी त्या पेजवर पोहोचेल तो स्कॅन सुरू करू शकतो आणि तुमचे प्रोव्हायडर क्रेडिट खर्च करू शकतो. याउलट, Vaultwarden हे इंटरनेटवर उघड राहण्यासाठी डिझाइन केलेले आहे आणि त्याचे हार्डनिंग हे ॲडमिन टोकन आणि बॅकअप फाईलवर अवलंबून असते, जे open-kritt मध्ये उपलब्ध नसलेले पर्याय आहेत. यामागे एक दुसरा धोका देखील आहे: पब्लिश केलेला कंटेनर पोर्ट ufw चे डीफॉल्ट धोरण लागू होण्यापूर्वीच हाताळला जातो, त्यामुळे ufw deny 5173 नियम योग्य वाटतो पण तो कशाचीही अडवणूक करत नाही. Docker ports that bypass ufw मध्ये ती नियम साखळी दर्शविली आहे ज्यामुळे हे घडते.

VPS आकारमान

ENGINE_MIN_FREE_STORAGE_GB चे default मूल्य 20 आहे. Free storage यापेक्षा कमी झाल्यावर engine नवीन per-job scan container सुरू करण्यास नकार देतो. Built images, checkout cache, Postgres data आणि job workspaces हे सर्व त्याच disk वर असतात. त्यामुळे 20 GB VPS वर scan कधीच सुरू होत नाही. 40 GB हे किमान आकारमान माना. मोठ्या repositories scan करत असल्यास त्यापेक्षा अधिक storage द्या. त्या मशीनवर storage जास्त वापरणारी दुसरी सेवा ठेवून VPS चा खर्च वसूल करण्याचा मोह टाळा. PhotoPrism आणि Immich यांची ही तुलना दाखवते की media library मुळे scan साठी उपलब्ध RAM आणि disk headroom किती वेगाने कमी होतो. Scanner जवळ किरकोळ वाटणाऱ्या अतिरिक्त सेवांनाही हेच लागू होते. Jellyfin library ला 90s rental store सारखे दाखवणारे browser front end देखील पूर्ण media server आणि त्याचे transcodes disk वर ठेवते. त्यामुळे त्यासाठी वेगळा host वापरा.

Memory चे गणित सोपे आहे. यामागील settings v1.4.0 मध्ये आल्या. त्यामुळे त्या वर pin केलेल्या tag ला लागू होतात, पण जुन्या tags ला लागू होत नाहीत. ENGINE_MEMORY_RESERVE_GB=2 engine, database, API आणि अल्पकाळाच्या overhead साठी memory राखून ठेवते. त्यानंतर प्रत्येक scan runner ENGINE_SCAN_RUNNER_MEMORY_RESERVATION_MB=1536 ची soft reservation आणि ENGINE_SCAN_RUNNER_MEMORY_MB=1536 ची hard cap वापरतो. त्यामुळे इतर कोणतेही काम सुरू होण्यापूर्वीच दोन workers साठी सुमारे 5 GB memory आवश्यक असते. उरलेल्या budget मध्ये बसणारे runnersच engine स्वीकारतो. त्यामुळे लहान मशीनवर scans fail होण्याऐवजी queue मध्ये थांबतात. ही स्थिती out-of-memory killer पेक्षा खूप चांगली आहे. प्रत्येक कामासाठी स्वतंत्र container देणाऱ्या कोणत्याही tool साठी हेच गणित लागू होते. म्हणून प्रत्येक AI coworker साठी OpenBot चा एक container आणि browser CPU ceiling येण्यापूर्वीच RAM ceiling ला पोहोचतो.

दोन prune settings चे default मूल्य true आहे: ENGINE_AUTO_PRUNE_DOCKER_BUILD_CACHE आणि ENGINE_AUTO_PRUNE_UNUSED_DOCKER_IMAGES. एखादे task पूर्ण झाल्यानंतर engine unused build cache, unused images आणि stopped scan containers काढून टाकते. कोणत्याही container ने संदर्भित केलेले images, service containers, bind mounts, database data, credentials आणि volumes जतन केले जातात. Host share न करण्याचे हे आणखी एक कारण आहे. तुम्ही configure न केलेला pruner त्या Docker daemon वर चालू असतो.

बहुतेक लोक शेवटी बदलत असलेल्या engine settings
  • ENGINE_WORKER_COUNT: scan steps आणि post-processing यांच्यात सामायिक केलेले एकूण worker slots. नवीन jobs स्वीकारणे थांबवण्यासाठी ते 0 वर सेट करा.
  • ENGINE_MAX_CONCURRENT_SCANS: एकावेळी किती scans स्वीकारायचे. Active pool रिकामा होईपर्यंत queued scans प्रतीक्षा करतात.
  • ENGINE_MAX_WORKERS_PER_SCAN: 0 असल्यास aggregate slots scans मध्ये समान प्रमाणात वाटले जातात.
  • ENGINE_HARNESS_TIMEOUT_SECONDS: default मूल्य 7200 आहे. एखादे runaway job जास्तीत जास्त किती काळ चालू शकते हे याने ठरते. Engine 60 ते 86400 ही मूल्ये स्वीकारते. या range च्या बाहेरील कोणतेही मूल्य, 0 सहित, 7200 वर परत जाते.
  • ENGINE_MIN_FREE_STORAGE_GB: storage floor. ENGINE_IGNORE_LOW_STORAGE=true safeguard बंद करते. यामुळे host disk पूर्ण भरू शकतो, असा इशारा file मध्ये दिला आहे.
  • ENGINE_SCAN_RUNNER_MEMORY_MB: प्रत्येक runner साठी hard memory cap. 0 केल्यास cap काढली जाते.
  • ENGINE_SCAN_RUNNER_MEMORY_RESERVATION_MB: प्रत्येक runner साठीची soft reservation, जी admission गणनेत धरली जाते. हे मूल्य कमी केल्यास idle memory चे overcommit होते, मात्र hard cap मुळे spikes नियंत्रित राहतात.

स्थानिक repository बाहेर उघड न करता त्याचे scanning

LOCAL_REPOS_PATH चे default मूल्य ./local_repos असते आणि ते backend व engine containers मध्ये read-only पद्धतीने bind-mount केलेले असते. त्यामुळे host वरील त्या folder मध्ये ठेवलेले repository लगेच containers मध्ये दिसते. तुमच्या working tree ऐवजी fresh clone वापरा. Job container मध्ये writable copy मिळते, त्या containerमध्ये root अधिकार असतात आणि outbound internet access उपलब्ध असतो. त्यामुळे त्या copy मधील कोणतीही सामग्री बदलता येते किंवा serverबाहेर पाठवता येते. Project copy करण्यापूर्वी .env files आणि private keys काढून टाका.

तुम्हाला काय मिळते आणि काय मिळत नाही

तुम्हाला उमेदवारांच्या निष्कर्षांची (candidate findings) क्रमवारी मिळते. तुम्हाला पडताळणी केलेल्या त्रुटी (verified vulnerabilities) मिळत नाहीत. क्रमवारी आणि डुप्लिकेट काढून टाकणे (de-duplication) यामुळे तुमच्या ट्रायज रांगेचा (triage queue) क्रम ठरतो. याचा अर्थ असा नाही की एखादी नोंद खरी आहे. पोस्ट-स्क्रिप्ट्स पडताळणी करण्याचा आणि 'प्रूफ ऑफ कन्सेप्ट' (proof of concept) तयार करण्याचा प्रयत्न करू शकतात, आणि हे टूलद्वारे मिळणारे सर्वात महत्त्वाचे संकेत आहेत, परंतु एखादी पोस्ट-स्क्रिप्ट अयशस्वी झाली म्हणजे तो निष्कर्ष खोटा आहे असे नाही. प्रत्येक उमेदवाराची तपासणी अजूनही एक व्यक्तीच करते. उमेदवार आणि पुरावा यातील फरकामुळेच तुम्ही स्वतः पुन्हा रन करू शकता असा पुरावा एजंटकडे मागणे येथे महत्त्वाचे ठरते: ज्या निष्कर्षाची तुम्ही मागणीनुसार पडताळणी करू शकता, त्याची किंमत केवळ क्रमवारी लावलेल्या आणि विश्वासावर आधारित निष्कर्षापेक्षा जास्त असते.

हे मार्गदर्शक open-kritt किती खऱ्या त्रुटी शोधते याबद्दल कोणताही दावा करत नाही, कारण आम्ही त्याचे मोजमाप केलेले नाही. जो कोणी तुमच्या कोडबेससाठी डिटेक्शन रेट सांगत असेल, त्याने तो तुमच्या कोडबेसवर रन केलेला नाही. प्रथम अशा रिपॉझिटरीवर स्कॅन करा जी तुम्हाला आधीच चांगली माहित आहे: ज्या निष्कर्षांचे मूल्यमापन तुम्ही स्वतः करू शकता, ते कॅलिब्रेशनसाठी सर्वात स्वस्त साधन आहे.

इतर बहुतांश self-hosted टूल्सच्या तुलनेत येथे अधिकृतता (authorization) अधिक महत्त्वाची आहे. एजंट्स कोड कंपाईल आणि एक्झिक्युट करतात तसेच नेटवर्कपर्यंत पोहोचतात, त्यामुळे 'प्रूफ ऑफ कन्सेप्ट'ची पायरी थेट सिस्टिम्सना स्पर्श करू शकते. हे टूल तुमच्या मालकीच्या किंवा ज्याची चाचणी घेण्यासाठी तुम्ही कंत्राट घेतले आहे अशा कोडवरच वापरा आणि काहीही रन करण्यापूर्वी लक्ष्य व्याप्ती (target scope) लिहून ठेवा. जर तुम्ही ANTHROPIC_API_KEY कॉन्फिगर केले असेल आणि Claude Code इंजिन वापरत असाल, तर Claude Code सुरक्षितपणे VPS वर रन करणे मधील सँडबॉक्सिंगच्या सवयी या एजंट्सनाही लागू होतात.

FAQ

open-kritt ला स्वतःचा VPS का आवश्यक आहे?

कारण त्याचे analysis agents disposable job containers मध्ये root म्हणून चालतात. या containers मध्ये तुमच्या code च्या writable प्रती आणि थेट internet access असतो. तसेच engine service host Docker socket mount करते, त्यामुळे ती प्रत्येक job साठी एक container सुरू करू शकते. त्या socket पर्यंत पोहोचणारी कोणतीही process host filesystem mount करणारा container सुरू करू शकते. त्यामुळे संपूर्ण stack ला त्याच्या host वर root इतका अधिकार आहे असे गृहीत धरावे. Dedicated VPS वर हा स्वीकारार्ह तडजोडीचा भाग आहे आणि box पुन्हा build करण्यासाठी तुमचा कोणताही खर्च होत नाही. तुमच्या दैनंदिन workstation वर मात्र तुम्ही scan करत असलेल्या code सारख्याच trust boundary मध्ये तुमच्या SSH keys आणि browser profiles येतात.

SSH tunnel वापरण्याऐवजी port 5173 उघडा ठेवू शकतो का?

तसे करू नये. Backend कोणत्याही application authentication शिवाय release केलेले आहे. त्यामुळे internet आणि तुमचे findings तसेच provider credit यांच्यामध्ये तो port हाच एकमेव अडथळा राहतो. याच कारणासाठी compose file प्रत्येक service ला 127.0.0.1 वर bind करते. त्याऐवजी ssh -N -L 5173:127.0.0.1:5173 you@your-server-ip चालवा आणि स्थानिक पातळीवर http://localhost:5173 उघडा. ufw rule हा पर्याय पुरेसा नाही, कारण published Docker port वर ufw ची default policy लागू होण्यापूर्वीच प्रक्रिया केली जाते.

open-kritt ने माझ्या नियोजित मर्यादेपेक्षा जास्त खर्च करू नये यासाठी काय करावे?

पहिला scan सुरू करण्यापूर्वी तुमच्या model provider च्या console मध्ये hard limit सेट करा, कारण open-kritt मध्ये स्वतःची budget setting नाही. पहिल्या काही runs साठी release केलेले concurrency defaults, ENGINE_WORKER_COUNT=2 आणि ENGINE_MAX_CONCURRENT_SCANS=1, तसेच ठेवा. एका provider account मधून defaultनुसार जास्तीत जास्त 15 concurrent root model calls चालू शकतात, हे लक्षात ठेवा. Codex session मधून जास्तीत जास्त five child agents चालू शकतात. ENGINE_WORKER_COUNT=0 नवीन jobs उचलणे थांबवते आणि स्थानिक पातळीवर सर्वात जलद stop देते.

कोणती version checkout करावी?

Tag checkout करा, main नाही. git fetch --tags नंतर git tag --list चालवल्यास उपलब्ध पर्याय दिसतात. 16 August 2026 रोजी published झालेली v1.4.1 ही 12 October 2026 रोजीची सर्वात नवीन version आहे. Pinning केल्यास काही महिन्यांनंतर rebuild केल्यावर तोच stack तयार होतो. तसेच वेगळ्या दिवशी clone केल्यामुळे होणारा अनपेक्षित बदल टाळता येतो आणि release notes वाचल्यानंतर upgrade करायचा की नाही हा निर्णय घेता येतो.

Scan कधीच सुरू होत नाही. काय तपासावे?

प्रथम उपलब्ध disk space तपासा. Free storage ENGINE_MIN_FREE_STORAGE_GB पेक्षा कमी असल्यास engine प्रत्येक job साठी scan container सुरू करत नाही. ही मर्यादा defaultनुसार 20 GB आहे. त्यानंतर ENGINE_WORKER_COUNT ची किंमत 0 नाही याची खात्री करा, कारण ती किंमत नवीन jobs उचलणे थांबवते. पुढे ./kritt setup चालवून model credential प्रत्यक्षात configure केलेले आहे का ते तपासा. फक्त GITHUB_TOKEN असल्यास scans चालू शकत नाहीत. Job का वगळला हे docker compose logs engine मध्ये दिसते.

हा लेख उपयुक्त होता का?