agentbastion

agentbastion 是 AI 代理的安全防火墙，专门在企业级 AI 代理与外部世界之间建立检查点。随着企业纷纷将聊天机器人、副驾驶和 Agent 接入自有数据和工具，安全问题几乎无人关注——这正是 agentbastion 要解决的。

核心能力

agentbastion 提供三层安全防护，覆盖 AI 代理的输入、处理和输出全过程：

• 入站扫描（Inbound Scan）：在用户输入到达代理之前，拦截提示词注入（Prompt Injection）和越狱攻击（Jailbreak），阻止恶意指令被模型执行；
• 工具守卫（Tool Guard）：监控代理实际执行的操作，阻止危险行为（如批量发邮件、删除数据、退款、敏感数据外泄），这是 agentbastion 的核心差异化能力——大多数方案只扫描提示词，极少真正守护代理的实际操作；
• 出站编辑（Outbound Redact）：在代理回复发出前，清除其中的个人身份信息（PII）和密钥/令牌，防止数据泄露。

支持可选的 LLM 评判器（基于 Claude Haiku），在启发式规则的基础上进一步捕获更隐蔽的注入攻击。

安装配置

agentbastion 提供两种安装方式：

1. 核心包（离线，无需模型）： pip install agentbastion

2. 完整包（含 LLM 评判器）： pip install "agentbastion[judge]"

使用步骤

使用装饰器模式集成到现有代理代码中，步骤如下：

1. 导入防火墙模块： from agentbastion import Firewall, guard, load_policy

2. 初始化防火墙和策略： firewall = Firewall() # 启发式规则 + PII 编辑 firewall.tool_policy = load_policy("allowlist.yaml") # 工具调用白名单

3. 用 @guard 装饰器包装代理函数： @guard(firewall) def my_agent(user_input: str) -> str: ... # 你的代理代码，在工具循环中调用 firewall.check_tool() return reply

4. （可选）在工具循环中显式检查工具调用： firewall.check_tool(tool_name, tool_input)

5. 查看审计日志： python -m agentbastion.events agentbastion.jsonl

适用场景

• 企业级 AI 代理面临外部用户输入时的防护；
• 聊天机器人和副驾驶产品上线前的安全加固；
• 金融、医疗、法律等高敏感行业使用 AI 代理时；
• API 接口中转的 AI 代理安全层；
• 任何处理外部非结构化输入的 AI 系统。

适用人群

• 安全团队：负责评估和加固 AI 系统安全；
• 开发者：构建 AI 代理产品并关注安全合规；
• 企业决策者：在拥抱 AI 能力的同时控制数据泄露风险。

工作原理

agentbastion 部署在代理的输入和输出边界。输入数据首先经过入站扫描（正则签名 + 可选 LLM 评判），命中恶意模式即阻断；代理执行工具前，工具守卫根据 allowlist.yaml 策略决定是否放行；代理回复发出前，出站编辑模块用正则识别 SSN、信用卡号、API 密钥、私钥、邮箱等敏感信息并替换。所有决策均写入 JSONL 审计日志供事后分析。

工具守卫的allowlist 策略示例：

default: deny allow: [get_order_status, search_faq] deny: [issue_refund] # 资金操作必须人工审批 rate_limits: {get_order_status: 5} # 频率限制

LLM 评判器（可选）基于 Claude Haiku 4/5，在启发式规则无法判断时提供更深层的语义分析，评判器故障时自动降级（fails open）不影响服务可用性。

官方链接

• PyPI：https://pypi.org/project/agentbastion/
• GitHub：https://github.com/Rinkia/agentbastion