ניתוח סוכני האבטחה של Cursor: מה עובד ומה חסר
אמ;לק
סוכן ה-AI של Cursor סורק אלפי שינויי קוד בשבוע ומוצא מאות חולשות. המאמר בוחן את היכולות של הכלי ומסביר למה הוא עדיין לא מחליף צוות אבטחה מלא בארגונים גדולים.
סיכום בעברית: מערכת VibeSec · מדיניות המקורות
נוסף ל-VibeSec:
כותרת מקורית: I Read Cursor's Security Agent Prompts, So You Don't Have To

התוכן המלא בעברית
תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.
TL;DR:
צוות האבטחה של Cursor בנה ארבעה סוכנים אוטונומיים שסוקרים למעלה מ-3,000 בקשות משיכה (PRs) בשבוע, מאתרים למעלה מ-200 נקודות תורפה ופותחים אוטומטית PRs לתיקון. ההנדסה מרשימה וההנחיות פשוטות להחריד. עם זאת, קיים פער משמעותי בין "סוכני LLM שסוקרים PRs" לבין "תוכנית אבטחה ארגונית", וזה בדיוק המקום שבו הדברים הופכים למעניינים.
You are a security reviewer for pull requests. Goal: Detect and clearly explain real vulnerabilities introduced or exposed by this PR. Review only added or modified code unless unchanged code is required to prove exploitability. 1. Inspect the PR diff and surrounding code paths. 2. For every candidate issue, trace attacker-controlled input to the real sink. 3. Verify whether existing controls already block exploitation: auth or permission checks, schema validation or type constraints, framework escaping, ORM parameterization, allowlists or bounded constants. 4. Report only medium, high, or critical findings with a plausible attack path and concrete code evidence. Prioritize: injection risks, authn or authz bypasses, permission-boundary mistakes, secret leakage or insecure logging, SSRF, XSS, request forgery, path traversal, and unsafe deserialization, dependency or supply-chain risk introduced by the change.
זהו לב האוטומציה של ה-Agentic Security Review ב-Cursor, שסוקר למעלה מ-3,000 PRs פנימיים בשבוע ומאתר מעל 200 נקודות תורפה אמיתיות. הקצאת תפקיד, מטרה, מתודולוגיה בת ארבעה שלבים ורשימת עדיפויות. ללא פיגומים מורכבים של שרשרת מחשבה (Chain-of-Thought), ללא דפים שלמים של דוגמאות Few-shot, וללא סכימות פלט מורכבות ב-JSON.
אם לפני שנתיים היו אומרים לי שהנחיה תמציתית כל כך יכולה לפעול בקנה מידה כזה ולהניב תוצאות שמצדיקות חסימת CI, הייתי סקפטי. כולנו הותנינו לחשוב שהנדסת הנחיות (Prompt Engineering) ל-AI דורשת עבודה משוכללת: דפי הוראות, דוגמאות מוקפדות ומפרטי פלט מפורטים. התבניות בקוד פתוח של Cursor מציעות שעבור סקירות אבטחה, הגדרת תפקיד ברורה ומתודולוגיה מובנית עשויים להיות כל מה שצריך.
זהו סימן יוצא דופן למצבם הנוכחי של דגמי השפה המתקדמים. המודל כבר "יודע" כיצד נראית הזרקת SQL, כיצד עובדים עקיפות אימות (Auth bypass) ומה המשמעות של דה-סריאליזציה לא בטוחה. הוא פשוט זקוק למסגרת שתפעיל את הידע הזה באופן שיטתי. אם מודלים מסוגלים לעשות כל כך הרבה עם כה מעט הנחיות כיום, המגמה ב-6 עד 12 החודשים הקרובים מרגשת באמת.
כמובן, ההנחיה היא רק קצה הקרחון. ההישג ההנדסי האמיתי כאן אינו 15 שורות ההוראות, אלא כל מה שמתחת: שרת MCP המותאם לניהול התמדה ומניעת כפילויות, צינור פריסה המנוהל ב-Terraform, תזמור ה-webhook שיודע מתי להפעיל אילו סוכנים, וניהול המצב המאפשר לסוכנים להשוות ממצאים בין הרצות שונות. ההנחיה פשוטה כי התשתית שמסביב אינה כזו. זו הבחנה חשובה, והיא למעשה הסיפור המעניין יותר: ב-Cursor לא סתם כתבו הנחיות חכמות, הם בנו פלטפורמת תזמור סוכנים ברמה של ייצור (Production) ועליה הניחו הנחיות פשוטות.
לפני שנמהר להסיק מסקנות, בואו נבחן את התמונה המלאה של מה ש-Cursor בנתה, מה מרשים בכל חלק, והיכן הפערים. כדי לעשות זאת, כדאי להחזיק במסגרת חשיבה על אבטחה בסביבות פיתוח מבוססות סוכנים (Agentic development).
שלושת המימדים של אבטחת סוכנים
ב-Snyk, אנו תופסים את אבטחת הפיתוח מבוסס הסוכנים דרך שלושה מימדים: הקוד שהסוכנים מייצרים, שרשרת האספקה שהסוכנים נשענים עליה, והתנהגות הסוכנים עצמם. מימד הקוד הוא זה שרוב האנשים מתמקדים בו: האם ה-AI כותב קוד מאובטח והאם אנחנו מאתרים נקודות תורפה לפני שהן מגיעות לייצור? מימד שרשרת האספקה הוא חדש יותר ופחות מובן מאליו: שרתי MCP, תבניות אוטומציה, כישורי סוכנים ותוספים הם כולם רכיבים שהסוכנים שלך תלויים בהם, והם נושאים את אותם סיכונים של כל תלות מצד שלישי. מימד ההתנהגות הוא המורכב ביותר: האם הסוכנים פועלים בתוך הגדרות התפקיד שלהם, האם הם מקבלים החלטות שלא היו אמורים לקבל, והאם יש לך נראות על מה שהם עושים בפועל ברחבי הארגון?
סוכני האבטחה של Cursor פועלים בעיקר במימד הראשון, של איתור נקודות תורפה בקוד. זו עבודה חשובה והכרחית. אך כפי שתראו בסקירה למטה, שני המימדים האחרים חשובים לא פחות, במיוחד בקנה מידה ארגוני. הארגונים שמשיגים את התוצאות הטובות ביותר, כמו Labelbox, שחיסלו צבר פגיעויות של שנים על ידי הפעלה משולבת של Cursor ו-Snyk, הם אלו שמתייחסים לכל שלושת המימדים.
ארבעת הסוכנים: מה חזק, מה חסר
היום פרסם Travis McPeak פוסט בבלוג המפרט כיצד צוות האבטחה של Cursor בנה ארבעה סוכני אבטחה אוטונומיים על גבי Cursor Automations (פלטפורמת סוכני הענן שלהם) ושחרר את התבניות בקוד פתוח לשימוש הציבור. קצב העבודה על ה-PRs שלהם גדל פי 5 במהלך תשעה חודשים, וניתוח סטטי מסורתי לא הצליח לעמוד בקצב. לכן, הם בנו סוכנים שיכולים לעשות זאת.
המערכת כולה נשענת על בסיס שראוי לציין: שרת MCP (Model Context Protocol) מותאם אישית שפועל כפונקציית Lambda ללא שרת (Serverless). הוא מספק מעקב מצב עקבי, שכבת מניעת כפילויות המופעלת על ידי Gemini Flash 2.5 (כך שסוכנים שונים לא ידווחו על אותו ממצא במילים שונות), ועיצוב פלט עקבי ב-Slack עם אפשרויות לביטול או דחיית התראות. הכל מנוהל באמצעות Terraform. הנדסה מוצקה.
הנה כל סוכן, יחד עם מה שאני חושב שהוא באמת מרשים ומה שצוות אבטחה ארגוני צריך לחשוב עליו.
Agentic Security Review: שומר הסף של ה-PR
מה זה עושה: סוקר כל PR מול מודל האיומים הספציפי של Cursor. מפרסם ממצאים לערוץ Slack פרטי, מגיב ישירות על ה-PRs, ויכול לחסום את צינור ה-CI במקרה של ממצאי אבטחה. המבדיל העיקרי מבוט סקירה כללי כמו Bugbot של Cursor, הוא היכולת לכוונן את ההנחיות (Prompt-tune) ספציפית לאבטחה מבלי לחסום על כל הערה קטנה באיכות הקוד.
מה מרשים: התוצאות מדברות בעד עצמן. בחודשיים האחרונים, הסוכן הזה רץ על אלפי PRs ומנע ממאות בעיות להגיע לייצור. וכפי שהראיתי לעיל, ההנחיה המניעה את כל זה תמציתית להפליא. יחס האות-לרעש עבור סוקר מבוסס LLM הוא מפתיע באמת.
על מה לחשוב: LLMs יכולים לסמן בביטחון "הזרקת SQL קריטית" בשאילתה עם פרמטרים שהיא בטוחה לחלוטין, רק בגלל שהמודל קרא לא נכון את זרימת הנתונים. הם יכולים גם לפספס נקודת תורפה אמיתית כי תשומת הלב שלהם הולכת לאיבוד בבסיסי קוד גדולים. בהקשר של אבטחה, שני מצבי הכשל הללו יקרים: חיובי שגוי (False Positive) שוחק את אמון המפתחים, ושלילי שגוי (False Negative) משאיר נקודות תורפה אמיתיות בייצור. כאשר שכבת הזיהוי שלך היא הסתברותית לחלוטין, אתם מקבלים על עצמכם את שני הסיכונים. העיקרון כאן פשוט: הסוכן לא יכול לבדוק את שיעורי הבית של עצמו. אתם צריכים שכבת אימות בלתי תלויה שתאשר את מה שה-LLM מצא. לכן חשוב להטמיע ניתוח דטרמיניסטי מסוג SAST (כמו Snyk Code) מתחת לסקירה של ה-LLM. המנוע הדטרמיניסטי תופס דפוסים ידועים בדיוק מכני, בעוד ה-LLM תופס באגים לוגיים חדשים וחוצי-קבצים שכלים מבוססי-חוקים מפספסים. אתם רוצים את שניהם.
כדאי גם לשים לב: הסתכלו בסוף תבנית ההנחיה.
Post a short Slack summary with the overall outcome and the top findings, if any. Do not push changes or open fix PRs from this workflow.
סוכן הסקירה לא דוחף תיקונים באופן אוטומטי. הוא מאתר, הוא מדווח, הוא חוסם, אך אדם עדיין מחליט מה לעשות. אפילו צוות האבטחה של Cursor בעצמו משאיר בני אדם בלולאת ההחלטות (Human-in-the-loop) עבור הכלים שלהם. זה אמור לומר לכם משהו על המקום שבו אבטחת AI אוטונומית נמצאת כיום: זהו מאיץ עוצמתי, לא תחליף לשיקול דעת אנושי. לפחות לא עדיין.
Vuln Hunter: סריקת בסיס הקוד הקיים
מה זה עושה: במקום להמתין לקוד חדש, Vuln Hunter סורק את בסיס הקוד הקיים. הוא מחלק את המאגר למקטעים לוגיים, מחפש בכל אחד מהם נקודות תורפה, וצוות האבטחה מתעדף את הממצאים מתוך Slack. לעיתים קרובות הם משתמשים ב-@Cursor ישירות מ-Slack כדי ליצור PRs לתיקון.
מה מרשים: הפניית היגיון LLM לקוד מדור קודם היא חכמה. זה המקום שבו AI זורח: הבנת בסיסי קוד מורכבים ולא מתועדים וזיהוי נקודות תורפה שחוקים סטטיים יחמיצו. באגים לוגיים חוצי קבצים, דפוסי בקרת גישה שבורים ועקיפי אימות קבורים בקוד בן שנים. סורקים מסורתיים נאבקים כאן כי הם צריכים דפוסים מוגדרים היטב כדי להתאים אותם.
על מה לחשוב: זהו הסוכן עם הסבירות הגבוהה ביותר לייצר חיוביים שגויים בהיקף גדול. סריקת בסיס קוד שלם (בניגוד ל-diff של PR ממוקד) משמעותה שהמודל עובד עם הקשר גדול בהרבה, ושם זליגת הקשב של ה-LLM הופכת לדאגה של ממש. BaxBench, מדד ביצועים מבית ETH Zurich, UC Berkeley ו-INSAIT, מצא ש-62% מהפתרונות שנוצרים אפילו על ידי המודלים הטובים ביותר הם שגויים או מכילים נקודות תורפה. כאשר המודל מנתח בסיסי קוד גדולים ומורכבים, עיקרון "הסוכן לא יכול לבדוק את שיעורי הבית של עצמו" חל שבעתיים: אתם רוצים אימות דטרמיניסטי שיאשר או יפריך את מה שה-LLM מצא לפני שמישהו משקיע זמן בתיקון.
Anybump: תיקון תלות אוטומטי
מה זה עושה: מתמודד עם העבודה המייגעת ביותר באבטחת יישומים: תיקון תלויות. הוא מפעיל ניתוח נגישות כדי לסנן רק את נקודות התורפה בעלות השפעה בפועל, עוקב אחר נתיבי קוד, מריץ בדיקות, בודק אם משהו נשבר, ופותח PR כשהבדיקות עוברות. הכל אוטומטי, עם צינור הפריסה הקנרי (Canary) של Cursor כשער בטיחות סופי.
You are a dependency-vulnerability remediation automation. Goal: When a new Linear issue describes a vulnerable dependency, determine whether it can be upgraded safely and open a PR only when confidence is high. Decision rule: Create PR only when upgrade is clearly safe; otherwise do not make changes.
מה מרשים: זה נותן מענה לנקודת כאב שכל צוות אבטחה מכיר מקרוב. תיקון תלות הוא זמן רב כל כך שרוב הצוותים מוותרים בסופו של דבר ודוחפים אותו להנדסה, שם הוא יושב בפיגור במשך חודשים (או שנים). אוטומציה של ניתוח הנגישות, הבדיקות והדור PR הוא שיפור אמיתי בזרימת העבודה.
על מה לחשוב: Anybump פותר את החלק הקשה ביותר בניהול תלויות: יישום התיקון בפועל, בדיקתו והכנסתו ל-PR. הוא עוצר לפני כל מה שמסביב לתיקון. אין יצירת SBOM, אין בדיקת תאימות לרישיונות ואין נתיב ביקורת (Audit trail) עבור צוות התאימות שלכם. אלו לא חסרונות של הסוכן כמו שהם קטגוריה שונה לחלוטין של בעיה. תיקון אוטומטי וניתוח הרכב תוכנה ארגוני (SCA) חופפים, אבל הם לא אותו דבר. אם אתם בתעשייה מוסדרת או מפיצים תוכנה תחת חוזי לקוחות עם דרישות תאימות, עדיין תזדקקו לתשתית הרחבה הזו לצד האוטומציה.
אם אתם סטארט-אפ עם מאגר (Repo) אחד, Anybump עשוי להיות כל מה שאתם צריכים. אם אתם פועלים בקנה מידה ארגוני (מאות מאגרים, תעשיות מוסדרות, חוזי לקוחות הדורשים אישורי תאימות ספציפיים), אתם חייבים לדעת בדיוק מה יש בתוכנה שלכם, באילו רישיונות אתם משתמשים, ואתם צריכים להיות מסוגלים להוכיח זאת. זה ההבדל בין תיקון אוטומטי לניתוח הרכב תוכנה ברמה ארגונית: הם חופפים, אבל פותרים בעיות שונות מיסודן.
Invariant Sentinel: זיהוי סחף של תאימות
מה זה עושה: פועל מדי יום כדי לבדוק סטיות (Drift) מול קבוצה של מאפייני אבטחה ותאימות. הוא מפעיל סוכני-משנה עבור כל מקטע לוגי של המאגר, משווה את המצב הנוכחי להרצות קודמות באמצעות זיכרון האוטומציה, ומתריע לצוות האבטחה כאשר משהו משתנה.