Grammarly ואוטומציה מונעת AI עם שרת MCP של Wiz
אמ;לק
הכירו את המערכת שקיצצה את זמני התעדוף הידניים ב-90% ומאפשרת למהנדסים להתמקד בחשיבה אסטרטגית. המקרה של Grammarly מציג דוגמה מצוינת לאופן שבו כלי AI יכולים לשפר את היעילות והאבטחה בתהליכי פיתוח.
סיכום בעברית: מערכת VibeSec · מדיניות המקורות
נוסף ל-VibeSec:
כותרת מקורית: Inside Grammarly’s AI-driven automation with the MCP Server for Wiz

התוכן המלא בעברית
תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.
מאז 2009, Grammarly קובעת את הסטנדרט לכלי סיוע מבוססי AI, ותומכת במיליוני משתמשים ובאלפי ארגונים בסיעור מוחות, בכתיבה ובשיפור תקשורת שמניעה את העבודה קדימה. עם זאת, כשהחברה עברה מפלטפורמה ממוקדת צרכנים לפתרון ברמה ארגונית, מסגרת האבטחה של Grammarly הייתה צריכה להתפתח.
בניית אמון עם ארגונים גדולים דרשה התאמה של אסטרטגיות אבטחה כדי לעמוד בדרישות ארגוניות מחמירות, תוך שמירה על קצב הפיתוח המעניק ל-Grammarly את היתרון שלה. "צוותי ההנדסה שלנו בונים כל הזמן שירותים חדשים, ולכן קשה לשמור על אבטחת המערכות שלהם באופן ידני", אומר Giles Douglas, מנהל אבטחת מידע ראשי ב-Grammarly. "היינו צריכים להבין ולנתח את התשתית והארכיטקטורה, והיינו זקוקים לשרשרת כלים שתהפוך זאת לתהליך חזרתי".
חזון זה הוביל את Grammarly לאמץ את Wiz, אשר שינה את גישת החברה לנראות בענן, לזיהוי נקודות תורפה ולתהליכי עבודה מאובטחים מעצם התכנון (secure-by-design). אך ככל שהפעילות התרחבה בעקבות רכישות, עליית מורכבות האבטחה והצורך לבצע אוטומציה למשימות שגרתיות, Grammarly נזקקה לשכבה נוספת של מומחיות.
בניסיון להתרחב מעבר לתהליכים קונבנציונליים ולהתמקד בחדשנות, Grammarly מינפה את Model Context Protocol (MCP) Server for Wiz. MCP הוא תקן פתוח שהוצג על ידי Anthropic ויוצר קשרים בין מקורות הנתונים של חברות לבין כלים המופעלים על ידי AI. ה-Wiz MCP שוחרר כחלק ממאמצי ה-AI של Wiz, והוא מסייע לצוותי אבטחה לרתום מודלי שפה גדולים (LLMs) לעבודה חכמה ויעילה יותר.
במהלך המסע ממוצרי צריכה להצעת B2B חזקה, הטמיעה Grammarly את Wiz כדי להשיג נראות אחידה ומודיעין פעיל על נכסי ענן, נקודות תורפה וסיכונים פוטנציאליים. אך ככל שהחברה המשיכה לחדש, אפילו תהליכי העבודה המשופרים האלו דרשו ייעול נוסף.
כמו צוותי אבטחה רבים, Grammarly נדרשה לאזן בין האתגרים הגוברים בתחומי הנתונים והאבטחה לבין אספקת כלים זריזים לצוות הנדסת האבטחה הרזה שלה. כדי לתת מענה לדרישות אלו, Grammarly התנסתה בתחילה בבניית פתרונות מבוססי MCP באופן עצמאי. אף שהיו פונקציונליים, גישה זו הייתה עתירת משאבים ולא נתנה מענה לצרכים רחבים יותר.
כאשר צוות האבטחה של Grammarly בחן את ה-MCP Server for Wiz, הוא גילה הזדמנויות חדשות למעבר מגישה תגובתית לפרואקטיבית. על ידי שילוב שרתי MCP עם LLMs באמצעות שאילתות בשפה טבעית, ולאחר מכן עם Multi Agent Systems, הגדירה Grammarly מחדש את אסטרטגיית האבטחה שלה.
בעת אימוץ Wiz MCP, Grammarly פעלה לפי שיטת עבודה מומלצת: התחלה בבעיה בעלת השפעה גבוהה שקל לבצע לה אוטומציה. הצוות התמקד תחילה בפתרון אחד מאתגרי הליבה שלו – טריאז' (triage) אירועי שכבה 1 – מה שאפשר לצוות לבחון ולייעל תהליכי עבודה מבלי לסבך את הפריסה הראשונית. גישה מצטברת ואיטרטיבית זו הפכה למודל להצלחתם.
הצוות החל להשתמש בכלים כמו Claude Desktop ושרתי Wiz MCP עם תבניות הנחיה (prompt templates) מותאמות אישית כדי לבצע אוטומציה לתהליכים סטנדרטיים חוזרים. בעזרת הנחיות אלו, זרימת טריאז' טיפוסית מתחילה בכרטיס Jira, שמאחזר אוטומטית פרטי בעיה ומנתח את ההקשר באמצעות Wiz. השלב הבא בתזמור כלל שילוב של Wiz MCP בתוך זרימת עבודה מבוססת סוכני AI באמצעות המסגרת LangGraph, בשילוב כלים נוספים שניגשים לבסיס הידע הפנימי ולמערכות התקשורת, ובכך תזמור מלא ואוטומציה של תהליך הטריאז'.
בעת הצורך, זרימת העבודה של ה-AI הציעה פעולות או שלבים נוספים, מה שהפחית באופן דרסטי את המאמץ הידני בבדיקת אירועי אבטחה. תהליך יעיל זה קיצץ את זמן החקירה מ-30-45 דקות למקסימום של ארבע דקות לכרטיס, שיפור ביעילות של כמעט 90%.
לאחר מכן חידדה Grammarly את תהליכי העבודה של ה-AI באמצעות הזנת נתונים ארגוניים מהעולם האמיתי וכיוונון הנחיות. עם הזמן, הצוות הרחיב את תפקיד המערכת מעבר לטריאז' אירועים, וכלל גם ציד איומים, הנדסת איתור ובניית מודיעין וידע עבור סוכני אבטחה. על ידי התאמת מודלי LLM למשימות ספציפיות, Grammarly מיטבה את הביצועים בכל מקרה שימוש.
"בניית תהליכי עבודה של AI היא קצת כמו הכשרת שף חדש במטבח", אומר Thijn Bukkems, מוביל ציד איומים ב-Grammarly. "בהתחלה, אולי תיתן להם רק להכין את בצק הפיצה, בזמן שאתה מטפל בעיצוב, בתוספות ובאפייה בעצמך. ככל שהם משתפרים ואתה צובר ביטחון ביכולות שלהם, אתה מאציל סמכויות בהדרגה – אולי בשלב הבא תיתן להם גם לעצב את הבצק, ואתה רק תבדוק את התוצאות. עם הזמן, ככל שהעוזר שלך ממשיך להשתפר בהתבסס על המשוב שלך, תוכל לסמוך עליהם עם יותר שלבים, עד שבסופו של דבר הם יוכלו להכין את הפיצה כולה בעצמם".
שאילתות בשפה טבעית והמודעות להקשר של Wiz מאפשרות גם לתהליכי עבודה של AI לסייע ביצירת לוגיקת זיהוי לפגיעויות חדשות. השימוש ב-MCP למיפוי נתיבים פגיעים ולאימות ממצאים סלל את הדרך לאוטומציה בתחומים שנשענו בעבר על קלט ידני.
על ידי שילוב Wiz MCP בתהליכי האבטחה שלה, Grammarly גילתה אפשרויות חדשות לאוטומציה וליעילות תוך שיפור איכות החקירות שלה. מעבר להאצת תהליכי תגובה לאירועים, הצוות משתמש ב-Wiz MCP כדי לבצע אוטומציה למשימות חוזרות כמו הצלבת משאבים ובדיקת יומנים, מה שמעניק למהנדסים תובנות עשירות יותר מבלי לפספס חריגות מרכזיות.
מהנדסי אבטחה משקיעים כעת פחות זמן בניטור שגרתי, מה שמאפשר להם להתמקד במשימות מחקריות ובתכנון אסטרטגי. וכאשר Grammarly הגדילה את הפעילות העסקית שלה, מערכות אלו עזרו להפחית את העומס על המהנדסים על ידי הקטנת נפח הכרטיסים. במקום לעבור ידנית על אינספור כרטיסים, אפילו חברי צוות חדשים יכולים להסתמך על תהליכי העבודה של ה-AI כדי לקבל הקשר מהיר ומקיף.
"תהליכי עבודה מבוססי AI עם קישוריות Wiz MCP מבטיחים שרמת הטריאז' המינימלית שלנו היא באותו סטנדרט גבוה שהמערכות שלנו מקיימות בעקביות", מסביר Igor Tarpan, מהנדס אבטחה ב-Grammarly. "זה עוזר למהנדסים חדשים על ידי איסוף וסינתזה של נתונים בדרכים שחוסכות שעות של עבודה ידנית".
על ידי התחלה במקרי שימוש ממוקדים, ביצוע איטרציות על בסיס נתונים מהעולם האמיתי ואימוץ הדרגתי של אוטומציה, Grammarly מהווה דוגמה לאופן שבו ניתן להרחיב פעולות אבטחה מבלי לוותר על גמישות או דיוק. וזו רק ההתחלה. עם תוכניות להתרחב לציד איומים מתקדם, אבטחה התקפית ומודיעין מבוסס ידע, Grammarly נשארת פרואקטיבית בגישתה לאבטחה מוגברת ב-AI.
"אנחנו כבר לא קבורים בעבודה תפעולית סיזיפית", מסביר Tarpan. "הכלים של Wiz מאפשרים חשיבה אסטרטגית ומאפשרים למהנדסי האבטחה שלנו להתמקד בפתרון אתגרי המחר במקום באירועים של אתמול".
ככל שאיומי האבטחה הופכים למתוחכמים יותר, Grammarly הבינה במהירות שאוטומציה חיונית להמשכיות. להלן עקרונות הליבה שעזרו ל-Grammarly לפתוח עידן חדש של יעילות, חדשנות וחוסן באבטחת סייבר:
• התחלה בקטן ואיטרציה: אל תשאפו לאוטומציה מקצה לקצה באופן מיידי. התחילו בבעיות בעלות השפעה רבה שקל לבצע להן אוטומציה, ושכללו את הגישה שלכם ללא הרף תוך שימוש בנתונים מהעולם האמיתי.
• תעדוף מומחיות: התמקדו בבעיות שבהן לצוות שלכם יש מומחיות קיימת. זה מאפשר לכם להנחות ביעילות את מודלי ה-LLM ולהבטיח את איכות הפלט שלהם.
• שילוב אדם בלולאה (Human-in-the-loop): התחילו עם תהליכים מונחי אדם והגבירו את האוטומציה בהדרגה. המטרה היא לעבור ממאמץ ידני לשלבים שנבדקים על ידי אדם, שבהם ה-LLM מבצע את הניתוח ואדם מקבל את ההחלטה הסופית.
• מעבר מטקטי לאסטרטגי: על ידי אוטומציה של משימות שגרתיות, תוכלו להעצים את הצוות שלכם לעבור מעבר ל"כיבוי שריפות" יומיומי ולהתמקד בתכנון אסטרטגי, בציד איומים ובבניית מערכות טובות יותר.
"כשזה מגיע לאוטומציה של אבטחת סייבר, אל תתנו לשלמות להיות האויב של הטוב", אומר Bukkems. "לא צריך להפוך כל חלק לאוטומטי כדי להפיק ערך. אפילו מקרה שימוש בודד יכול להוביל לשיפורים משמעותיים ביעילות".