Paano i-self-host ang open-kritt sa isang VPS
Alamin ang Docker Compose setup, release pinning, SSH tunnel sa UI sa port 5173, at provider budget bago magpatakbo ng unang scan sa open-kritt.
Bakit dapat i-self-host ang open-kritt sa VPS at hindi sa iyong laptop
I-self-host ang open-kritt sa server na maaari mong i-destroy at i-rebuild. Pinapatakbo ng tool ang analysis agents nito bilang root sa loob ng disposable job containers, binibigyan ang bawat isa ng writable copy ng iyong code at direktang internet access, at mina-mount ang host Docker socket sa engine service nito. Makatuwirang trade-off ito sa isang server na nakalaan para sa job. Masama itong setup sa machine na naglalaman ng iyong SSH keys.
Apat na property ng default setup ang batayan ng payong ito. Lahat ng ito ay makikita sa sariling README at compose file ng proyekto.
Dapat makapangyarihan ang agents. Ayon sa README, tumatakbo ang tool-enabled agents bilang root sa loob ng disposable job containers, na may writable repository copies at direktang internet access. Dahil dito, maaari silang mag-install ng tools, mag-compile ng targets, magpatakbo ng tests, at gumawa ng proof of concept. Ang scan ay hindi simpleng linter na nagbabasa ng mga file. Arbitrary code execution ito na ikaw mismo ang humiling. May dalawang panig ang internet access na iyon: anumang ida-download ng agent habang nagsasaliksik ng target ay untrusted text na pumapasok sa prompt nito. Pareho ito ng exposure na tinatanggap mo kapag binibigyan mo ang agent ng sarili nitong web search.
Nasa engine ang Docker socket. Mina-mount ng docker-compose.yml ang host Docker socket sa engine service dahil gumagawa at naglulunsad ang engine ng isang scan container para sa bawat job. Anumang process na makakaabot sa socket na iyon ay maaaring magsimula ng container na mina-mount ang filesystem ng host. Kaya, sa praktikal na paraan, root ang engine sa host na nagpapatakbo nito.
Walang login screen. Walang application authentication ang backend kapag inilabas ito. Ang access sa port ay access sa iyong findings at sa credit ng iyong provider.
Madalas ay hindi sa iyo ang code na ini-scan mo. Kapag itinuro mo ang agents sa repository ng third party, pinapatakbo mo ang build ng repository na iyon sa iyong machine, bilang root, na may network access.
Kung nabasa mo na ang kung bakit dapat ilagay ang coding agents sa disposable VM, pareho ang threat model nito, ngunit mas mataas ang panganib. Bigyan ang open-kritt ng VPS na walang ibang laman, at pamahalaan ang VPS na iyon gamit ang hiwalay na least-privilege user account sa halip na root.
Ang aktuwal na ginagawa ng open-kritt
Ang open-kritt (ang repository ay Kritt-ai/open-kritt, at lisensyado sa ilalim ng AGPL-3.0) ay naghahati ng vulnerability research sa maliliit na task, sabay-sabay na pinapatakbo ang mga task na iyon sa maraming AI agent, at inaalis ang mga duplicate bago i-rank ang mga resulta. Tinutukoy mo ang workflow bilang sunod-sunod na chain ng mga nakapokus na prompt, at tumatanggap ang bawat step ng structured context mula sa mga naunang step. Ang target ng scan ay remote o local na git repository. Ang analysis engine ay Codex o Claude Code. Kapag may lumitaw na candidate, maaaring gumamit ng optional post-scripts upang subukang i-validate ito o gumawa ng proof of concept. Ang pagdisenyo ng chain na ito ay karaniwang agent work, hindi security work. Kung hindi pa pamilyar sa iyo ang mga prompt, tool, at context passing, mas makatutulong sa mga resulta mo ang pag-aaral kung paano binubuo ang mga agent kaysa sa alinmang setting sa gabay na ito.
Ang makukuha mo sa huli ay isang ranked list ng mga candidate. Ituring ito bilang triage queue, hindi bilang report.
Mga kailangan bago magsimula
- Isang VPS na nagpapatakbo ng Ubuntu 24.04, Debian 12, o Rocky Linux 9. Itinuturing ng install docs na tested distributions ang mga ito para sa x86_64 at ARM64.
- Docker Engine na may Compose plugin.
- Node.js 20 o mas bago sa host, dahil tumatakbo ang
./krittCLI sa host at hindi sa loob ng container. - Isang model provider: Codex login, o
OPENAI_API_KEY,CODEX_API_KEY,ANTHROPIC_API_KEY, oOPENROUTER_API_KEY. GITHUB_TOKENlamang kung plano mong mag-scan ng mga private repository. Malinaw itong nakasaad sa shipped.env.example: hindi sapat ang GitHub token lamang para magpatakbo ng mga scan.
I-install muna ang Docker at Node 20
curl -fsSL https://get.docker.com | sudo sh
sudo usermod -aG docker $USERMag-log out at mag-log in ulit para mailapat ang bagong group membership, pagkatapos ay tiyaking available ang Compose plugin.
docker compose versionAng version string ay nangangahulugang naka-install ang Compose bilang plugin. Ibig sabihin ng docker: 'compose' is not a docker command na mayroon kang lumang standalone na docker-compose binary, at tinatawag ng open-kritt ang docker compose. Ang membership sa docker group ay katumbas ng root access sa host, kaya ang account lamang na nagpapatakbo ng open-kritt ang isama rito. Para sa mas mahabang bersyon ng setup na ito, tingnan ang pagpapatakbo ng Docker sa isang VPS.
Kasama sa sariling repository ng Ubuntu 24.04 ang Node 18, ngunit nag-e-exit ang CLI kapag mas mababa sa 20 ang bersyon. Umabot na sa end of life ang Node 20 at hindi na ito nakatatanggap ng updates, kaya i-install ang Node 22 mula sa NodeSource. Natutugunan nito ang parehong check na 20 o mas bago.
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt install -y nodejs
node -vDapat mag-print ang node -v ng v22. dito, at tatanggihan ng CLI ang anumang mas mababa sa v20.. Sa Rocky Linux 9, ang katumbas nito ay sudo dnf module enable nodejs:22 -y na sinusundan ng sudo dnf install -y nodejs.
I-clone ang open-kritt at i-pin ang tagged release
git clone https://github.com/Kritt-ai/open-kritt
cd open-kritt
git fetch --tags
git tag --list
git checkout v1.4.1main ang nagbabago sa iyo. Hindi nagbabago ang tag. Noong 12 October 2026, ang pinakabagong tag ay v1.4.1, na na-publish noong 16 August 2026, at ipinapakita ng git tag --list kung ano ang available sa araw ng pag-clone mo. Idinagdag ng v1.4.0 (12 August 2026) ang memory-aware runner admission na inilalarawan sa sizing sa ibaba, at inayos ng v1.4.1 ang bug kung saan hindi pinapansin ng ranker ang mga ranking rule na ibinigay ng user. Kapag nag-check out ka ng tag, napupunta ang repository sa detached HEAD state. Tama ito rito dahil itinuturing mong pinned deployment ang clone na ito, hindi branch na pagko-commitan mo. Para mag-upgrade sa ibang pagkakataon, basahin ang release notes, pagkatapos ay patakbuhin ang git fetch --tags, i-check out ang bagong tag, at patakbuhin muli ang ./kritt start dahil nire-rebuild ng start ang mga image.
Huwag patakbuhin ang ./kritt kasama ng sudo. Malinaw itong nakasaad sa documentation. Pinamamahalaan ng CLI ang mga directory para sa credential ng project sa ilalim ng .data/, kaya kapag pinatakbo ito bilang root, magiging pagmamay-ari ng root ang mga directory na iyon at hindi na maisusulat ng susunod na normal na run ang mga ito.
I-configure ang access sa model gamit ang ./kritt setup
./kritt setupLumilikha ang command ng .env mula sa .env.example kapag wala pa ito, ipinapakita ang status ng bawat credential, at hinahayaan kang i-set o i-unset ang mga ito. Hindi nito kailanman ipinapakita ang mga value sa terminal. Ang .env at ang credential file ng engine ay parehong isinusulat gamit ang mode 0600.
Kung mas gusto mong gawin ito nang manu-mano:
cp .env.example .env
chmod 600 .env
mkdir -p .data/codex
chmod 700 .data/codexPagkatapos, i-edit ang provider key papunta sa .env at panatilihin ang file sa mode 0600. Sa alinmang paraan, may gumaganang provider credential na ngayon sa server na iyon. Isa pa itong dahilan para walang ibang laman ang server. Gumawa ng key na para lamang sa project na ito, upang walang mahalagang maapektuhan kapag binawi mo ito sa hinaharap. Sinasaklaw ng Pag-iwas na maabot ng AI agents ang mga lihim ang mas malawak na gawaing ito.
Magtakda ng spending cap sa provider bago ang unang scan
Dinisenyo ang open-kritt para magpatakbo ng maraming gawain nang sabay-sabay, at ang ganitong parallel execution ang binabayaran mo. Conservative ang mga default sa .env.example sa v1.4.1: ENGINE_WORKER_COUNT=2, na inilalarawan sa file bilang conservative default para sa maliit na 2-vCPU machine, at ENGINE_MAX_CONCURRENT_SCANS=1. Nasa itaas ng mga ito ang ENGINE_WORKERS_PER_ACCOUNT=15, ang maximum na bilang ng sabay-sabay na root model call na pinapayagan sa isang provider account, at ENGINE_CODEX_MAX_SUBAGENTS_PER_SESSION=5, dahil maaaring magpatakbo ang isang Codex session ng hanggang limang child agent. Kapag tinaasan mo ang worker count sa mas malaking VPS, tataas din ang bilang ng mga model call na kasalukuyang tumatakbo.
Walang setting sa repository na naglilimita sa iyong gastos. Walang budget setting sa .env.example. Ang sariling stop condition ng engine ay ang mga worker limit at ENGINE_HARNESS_TIMEOUT_SECONDS, na may default na 7200 segundo bawat harness run. Dito, ang harness ay loop na patuloy na tumatawag sa model gamit ang tools at context hanggang may magpatapos sa run. Kaya ang timeout ay wall-clock limit para sa program na bumabalot sa model at hindi limitasyon sa halagang maaaring gastusin ng model habang tumatakbo ito. Samakatuwid, sa provider dapat ilagay ang spending ceiling. Buksan ang console ng provider at magtakda ng hard monthly limit bago ang unang scan, hindi pagkatapos nito. Ipinapakita ng Pagkontrol sa gastos ng AI agent sa VPS ang mga setting para sa bawat provider.
May local brake din. Kapag itinakda ang ENGINE_WORKER_COUNT=0, hihinto ang pagkuha ng mga bagong job. Maaari ring baguhin ang parehong worker value sa Settings screen kapag tumatakbo na ang stack.
Walang tinatayang presyo bawat scan ang gabay na ito, dahil nakadepende ang gastos sa laki ng repository, workflow na binuo mo, at model na ginagamit nito. Magpatakbo muna ng isang scan sa isang maliit na repository, pagkatapos ay tingnan ang usage page ng provider bago ito gamitin sa mas malaking repository.
Simulan ang stack at suriin kung healthy ito
./kritt startSinusuri nito ang .env at kahit isang credential, saka pinapatakbo ang docker compose up --build. Mabagal ang unang build dahil ginagawa nito ang frontend, backend, engine, executor view, at database images. Tumatakbo rin ito sa foreground, kaya ihihinto ng pagsasara ng SSH session ang stack. Simulan ito sa loob ng tmux, o patakbuhin ito bilang detached matapos magtagumpay ang unang build. Hindi awtomatikong nakakaligtas sa reboot ang alinman sa mga paraang ito. Kung gusto mong awtomatikong bumalik ang stack pagkatapos mag-restart ang server, direktang magagamit ang pattern ng systemd unit sa pananatiling tumatakbo ang self-hosted agent pagkatapos ng reboot.
docker compose up -d --build
docker compose psDapat ilista ng docker compose ps ang open-kritt-frontend, open-kritt-backend, open-kritt-engine, open-kritt-executor-view, at open-kritt-db. Pagkatapos, suriin kung tumutugon ang backend sa mismong server.
curl -s http://127.0.0.1:3002/api/healthIbig sabihin ng JSON response ay gumagana ang backend. Ibig sabihin ng Failed to connect to 127.0.0.1 port 3002: Connection refused ay hindi ito gumagana, at sasabihin ng docker compose logs backend kung bakit. Ihinto ang lahat gamit ang docker compose down mula sa repository directory.
Isang optional na dagdag: nilo-load ng docker compose exec backend npm run seed ang demo data. Murang paraan ito para tingnan ang interface bago gumastos sa aktuwal na scan.
Ma-access ang UI sa port 5173 gamit ang SSH tunnel
Ang bawat serbisyo sa compose file ay nagba-bind sa 127.0.0.1 bilang default: ang frontend sa 5173, ang backend sa 3002, ang executor view sa 8090, at ang Postgres sa 5432. Huwag baguhin ang mga binding na ito. I-forward ang port sa SSH mula sa sarili mong machine.
ssh -N -L 5173:127.0.0.1:5173 you@your-server-ipBuksan ang http://localhost:5173 sa lokal mong browser habang tumatakbo ang command. Ibig sabihin ng -N, dinadala ng koneksyon ang forward at walang bubuksang shell. Magdagdag ng pangalawang -L 8090:127.0.0.1:8090 sa parehong command kapag gusto mo ring gamitin ang executor view.
Maaaring matukso kang itakda ang FRONTEND_BIND_ADDRESS=0.0.0.0 at laktawan ang tunnel. Huwag itong gawin. Walang login screen ang backend, kaya maaaring magsimula ng scan ang sinumang makakaabot sa page na iyon at magamit ang credit mo sa provider. Bilang paghahambing, idinisenyo ang Vaultwarden para maharap sa internet, at nakasalalay pa rin ang hardening nito sa admin token at backup file, na mga control na hindi ibinibigay ng open-kritt. May isa pang nakatagong problema: pinoproseso ang published container port bago mailapat ang default policy ng ufw, kaya mukhang tama ang isang ufw deny 5173 rule ngunit wala itong bina-block. Ipinapakita ng Mga Docker port na lumalampas sa ufw ang rule chain na nagdudulot nito.
Pag-size ng VPS
Ang default ng ENGINE_MIN_FREE_STORAGE_GB ay 20, at hindi nagsisimula ang engine ng bagong per-job scan container kapag mas mababa rito ang libreng storage. Nasa iisang disk ang built images, checkout cache, Postgres data, at job workspaces, kaya hindi talaga nakakapagsimula ng scan ang 20 GB VPS. Ituring ang 40 GB bilang minimum, at dagdagan pa ito kung nag-scan ka ng malalaking repository. Huwag subukang “bawiin” ang resources ng machine sa pamamagitan ng paglalagay ng storage-hungry na serbisyo sa tabi nito, dahil ipinapakita ng mga sinusukat na RAM at disk minimum sa paghahambing na ito ng PhotoPrism at Immich kung gaano kabilis mauubos ng media library ang headroom na kailangan ng isang scan. Ganoon din ang mga pandagdag na mukhang magaan kumpara sa scanner: ang browser front end na binabago ang itsura ng Jellyfin library para maging gaya ng 90s rental store ay nangangailangan pa rin ng buong media server at mga transcode nito sa disk, kaya ilagay ito sa ibang host.
Simple arithmetic ang batayan ng memory, at ipinakilala ang mga setting para rito sa v1.4.0. Dahil dito, gumagana ang mga ito sa tag na naka-pin sa itaas ngunit hindi sa mga mas lumang tag. Inilalaan ng ENGINE_MEMORY_RESERVE_GB=2 ang memory para sa engine, database, API, at panandaliang overhead. Bawat scan runner ay may soft reservation na ENGINE_SCAN_RUNNER_MEMORY_RESERVATION_MB=1536 at hard cap na ENGINE_SCAN_RUNNER_MEMORY_MB=1536. Kaya humihingi ang dalawang worker ng humigit-kumulang 5 GB bago pa tumakbo ang iba. Tinatanggap lamang ng engine ang mga runner na kasya sa natitirang budget. Dahil dito, pumipila ang mga scan sa maliit na machine sa halip na mabigo, na mas mainam kaysa maubusan ng memory at patayin ng out-of-memory killer. Pareho ring arithmetic ang nagtatakda ng minimum para sa anumang tool na nagbibigay sa bawat work unit ng sariling container. Ito ang dahilan kung bakit umaabot sa RAM ceiling ang isang container at browser ng OpenBot para sa bawat AI coworker bago pa ito maabot ng CPU ceiling.
Ang default ng dalawang prune setting ay true: ENGINE_AUTO_PRUNE_DOCKER_BUILD_CACHE at ENGINE_AUTO_PRUNE_UNUSED_DOCKER_IMAGES. Pagkatapos makumpleto ang isang task, inaalis ng engine ang hindi ginagamit na build cache, hindi ginagamit na images, at mga tumigil na scan container. Pinananatili ang mga image na ginagamit ng anumang container, service containers, bind mounts, database data, credentials, at volumes. Isa pa rin itong dahilan para huwag i-share ang host: may pruner na hindi mo kinonfigure na tumatakbo laban sa Docker daemon na iyon.
Mga setting ng engine na karaniwang binabago
ENGINE_WORKER_COUNT: kabuuang worker slot na pinaghahatian ng mga scan step at post-processing. Itakda ito sa 0 para pansamantalang ihinto ang pagkuha ng mga bagong job.ENGINE_MAX_CONCURRENT_SCANS: bilang ng mga scan na sabay na tinatanggap. Naghihintay ang mga naka-queue na scan hanggang maubos ang active pool.ENGINE_MAX_WORKERS_PER_SCAN: kapag 0, pantay na hinahati ang pinagsama-samang slot sa mga scan.ENGINE_HARNESS_TIMEOUT_SECONDS: 7200 ang default. Ito ang pinakamahabang tagal ng isang runaway job. Tumatanggap ang engine ng 60 hanggang 86400, at ang anumang value sa labas ng range na iyon, kabilang ang 0, ay ibinabalik sa 7200.ENGINE_MIN_FREE_STORAGE_GB: minimum na storage. Ino-off ngENGINE_IGNORE_LOW_STORAGE=trueang safeguard, at nagbababala ang file na maaari nitong mapuno ang disk ng host.ENGINE_SCAN_RUNNER_MEMORY_MB: hard memory cap bawat runner. Inaalis ng 0 ang cap.ENGINE_SCAN_RUNNER_MEMORY_RESERVATION_MB: soft reservation bawat runner na binibilang sa admission. Kapag ibinaba ito, mas maraming idle memory ang maaaring ma-overcommit habang pinipigilan pa rin ng hard cap ang mga biglaang spike.
Pag-scan ng local repository nang hindi ito inilalabas
Ang LOCAL_REPOS_PATH ay naka-default sa ./local_repos at naka-bind-mount bilang read-only sa backend at engine containers. Kaya ang repository na inilagay mo sa folder na iyon sa host ay agad na makikita sa loob ng mga container. Gumamit ng bagong clone, hindi ng working tree. May writable copy ang job container, root ang account sa loob nito, at may outbound internet access ito. Ibig sabihin, maaaring baguhin o ipadala palabas ng machine ang anumang nasa kopyang iyon. Alisin ang mga .env file at private key bago ka mag-copy ng project.
Mga nakukuha mo, at mga hindi mo nakukuha
Makakakuha ka ng mga kandidatong finding na naka-rank. Hindi ka makakakuha ng mga na-verify na vulnerability. Ang ranking at pag-aalis ng duplicate ang nagtatakda ng pagkakasunod-sunod ng triage queue mo. Hindi nito pinatutunayan na totoo ang isang entry. Maaaring subukan ng mga post-script na i-validate ang finding at bumuo ng proof of concept. Ito ang pinakamalakas na signal na iniaalok ng tool. Ngunit kung mabigo ang isang post-script, hindi iyon ebidensiyang false ang finding. Binabasa pa rin ng isang tao ang bawat kandidato. Dahil may agwat sa pagitan ng kandidato at proof, kapaki-pakinabang dito ang paghingi sa isang agent ng ebidensiyang maaari mong i-rerun mismo: mas mahalaga ang finding na maaari mong i-reproduce kapag kinakailangan kaysa sa finding na naka-rank ngunit kailangan mong tanggapin batay sa tiwala.
Walang sinasabi ang guide na ito tungkol sa dami ng totoong bug na nahahanap ng open-kritt, dahil hindi namin ito sinukat. Ang sinumang nagbabanggit ng detection rate para sa codebase mo ay hindi nagpatakbo nito laban sa codebase mo. Mag-scan muna ng repository na pamilyar ka na: ang mga finding na kaya mong suriin mismo ang pinakamurang paraan para mag-calibrate.
Mas mahalaga rito ang authorization kaysa sa karamihan ng self-hosted tool. Kino-compile at ine-execute ng mga agent ang code at kumokonekta sa network, kaya maaaring makaapekto sa live systems ang proof-of-concept step. Ituro ito sa code na pagmamay-ari mo o sakop ng kontrata mong i-test, at isulat muna ang target scope bago ka magpatakbo ng anuman. Kung iko-configure mo ang ANTHROPIC_API_KEY at gagamitin ang Claude Code engine, nalalapat din sa mga agent na ito ang mga sandboxing practice sa ligtas na pagpapatakbo ng Claude Code sa isang VPS.
FAQ
Bakit kailangan ng open-kritt ng sarili nitong VPS?
Dahil tumatakbo bilang root ang mga analysis agent nito sa loob ng disposable job container na may writable copy ng code mo at direktang internet access. Minu-mount din ng engine service ang host Docker socket upang makapag-launch ito ng isang container para sa bawat job. Anumang process na makakaabot sa socket na iyon ay maaaring mag-start ng container na nagmo-mount sa host filesystem. Kaya dapat ituring ang buong stack na parang root sa host nito. Sa dedicated VPS, katanggap-tanggap ang trade-off na ito, at wala kang mawawala kung ire-rebuild ang machine. Sa daily workstation mo, napapailalim sa parehong trust boundary ang SSH keys at browser profiles mo kasama ng code na ini-scan mo.
Maaari ko bang i-expose ang port 5173 sa halip na gumamit ng SSH tunnel?
Hindi ito dapat gawin. Walang application authentication ang backend kapag unang na-install, kaya ang port lamang ang naghihiwalay sa internet mula sa findings at provider credit mo. Dahil dito, bina-bind ng compose file ang bawat service sa 127.0.0.1. Patakbuhin ang ssh -N -L 5173:127.0.0.1:5173 you@your-server-ip at i-browse nang lokal ang http://localhost:5173. Hindi kapalit ang ufw rule, dahil hinahawakan ang published Docker port bago mailapat ang default policy ng ufw.
Paano ko mapipigilan ang open-kritt na gumastos nang higit sa itinakda ko?
Magtakda ng hard limit sa console ng model provider mo bago ang unang scan, dahil walang sariling budget setting ang open-kritt. Panatilihin ang shipped concurrency defaults sa unang ilang run, ENGINE_WORKER_COUNT=2 at ENGINE_MAX_CONCURRENT_SCANS=1, at tandaan na pinapayagan ng isang provider account ang hanggang 15 sabay-sabay na root model call bilang default, habang maaaring magpatakbo ang isang Codex session ng hanggang limang child agent. Pino-pause ng ENGINE_WORKER_COUNT=0 ang pagkuha ng mga bagong job at ito ang pinakamabilis na local stop.
Aling version ang dapat kong i-check out?
Isang tag, hindi kailanman main. Ipinapakita ng git fetch --tags na sinundan ng git tag --list kung ano ang available, at ang v1.4.1, na inilabas noong 16 August 2026, ang pinakabago noong 12 October 2026. Kapag naka-pin ang version, pareho pa rin ang stack kapag nag-rebuild makalipas ang ilang buwan. Nagiging desisyong ginagawa mo rin ang upgrade matapos basahin ang release notes, sa halip na awtomatikong epekto ng pag-clone sa ibang araw.
Hindi kailanman nagsisimula ang scan. Ano ang dapat kong suriin?
Unang suriin ang available na disk space, dahil hindi magla-launch ang engine ng per-job scan container kapag mas mababa sa ENGINE_MIN_FREE_STORAGE_GB ang free storage, na 20 GB bilang default. Pagkatapos, tiyaking hindi 0 ang ENGINE_WORKER_COUNT, dahil pini-pause ng value na iyon ang pagkuha ng mga bagong job. Pagkatapos, tiyaking talagang naka-configure ang model credential sa pamamagitan ng pagpapatakbo ng ./kritt setup, dahil hindi makakapagpatakbo ng scan ang GITHUB_TOKEN nang mag-isa. Tinutukoy ng docker compose logs engine ang dahilan kung bakit nilaktawan ang job.