Aegis 是一个面向 AI 智能体的治理层，定位为统一各框架治理原语的抽象层。其核心理念是：不同智能体框架各自重复实现相同的治理原语且实现方式略有不同，而 Aegis 让用户只需编写一份 Policy，所有框架即可继承，无需分别编写 LangChain、CrewAI、OpenAI 的护栏。
【用途】 为 AI 智能体提供运行时的治理能力，包括提示注入拦截、PII 脱敏、毒性检测、策略执行、信任委托和防篡改审计。它强调这是确定性的治理层，请求路径中不需要再放第二个模型。
【主要能力】
- 统一 API 覆盖 12 个智能体框架和 3 个协议级适配器。auto_instrument() 会检测已安装的框架并只对它们打补丁，无硬依赖；自定义适配器使用相同的 BaseAdapter 接口。
- 默认护栏：确定性正则，无 LLM 调用、无网络。每次检查冷启动约 2.65ms，热路径小于 1µs。
- 五种入口：1) 运行时保护，一行代码或零代码改动（AEGIS_INSTRUMENT=1 python my_agent.py）；2) 预生产扫描，支持 --format json|sarif|suggest、--threshold A-F、.aegisscanignore 和内联 # aegis: ignore 注释，并可用 aegis scan --fix 自动修复；3) 策略 CI/CD，在 PR 阶段阻断未治理的调用；4) 审计与合规，每次调用记录到防篡改 Merkle 链，内置 EU AI Act / NIST AI RMF / SOC2 映射，支持 SQLite + JSONL + webhook 接收器，使用 Ed25519 签名实现长期证据保存；5) 治理服务器（多智能体），提供 37 个 REST 端点、WebSocket 审计流和 Web 仪表盘，智能体可通过 SDK 连接、自动注册、发送心跳并通过 HTTP 查询策略。
- MCP 代理：零代码改动治理任意 MCP 服务器，兼容 Claude Desktop、Cursor、VS Code、Windsurf，提供 STDIO 注入保护、工具投毒检测、rug-pull 检测、参数净化、策略评估和完整审计追踪。
- 治理服务器可通过 aegis-server.yaml 配置驱动，护栏、webhook（Slack/PagerDuty）、限流、成本预算和认证均可声明式配置。
- 研究能力：提供 Tripartite ActionClaim 的正式定义与静默基线实证研究；工具分布漂移分析基于 Tau-Bench 轨迹的 Shannon 熵。CLI 只读取 tool_name 字段，不读取 args、CoT 或 prompt，因此企业用户可以在不泄露 PII 的情况下对生产轨迹评分。
【使用方式】
- 安装：pip install agent-aegis
- 运行时保护：aegis.auto_instrument()，或设置环境变量 AEGIS_INSTRUMENT=1。
- Pydantic AI 原生能力：无需 monkey-patching，可对每个智能体显式控制。
- 预生产扫描：使用 aegis scan 命令及相应参数。
- 策略 CI/CD：在 CI 流程中集成，或在 PR 时阻断未治理调用。
- 审计与合规：使用 SQLite、JSONL 或 webhook 接收器，配合 Ed25519 签名。
- 治理服务器：运行 Aegis 作为治理服务器，通过 Python SDK（同步或异步）连接。
- YAML 策略：可使用 YAML 策略进行完全控制。
【集成框架与适配方式】
- 现有可阻断的原生扩展点优先使用原生扩展点：Google ADK 的 BasePlugin 和 CrewAI 的 BeforeToolCallHook 都能阻断，auto_instrument() 只打补丁以安装原生对象。
- Pydantic AI 和 OpenAI Agents SDK 提供可选择性启用的原生实现（AbstractCapability、tool_input_guardrail），同时保留补丁路径用于零代码场景。
- 其余框架因不存在阻断钩子而采用补丁方式：原生 OpenAI/Anthropic SDK 和 DSPy 不暴露阻断钩子，LlamaIndex 的插桩分发器会发出事件但吞掉处理器异常，因此只能观察不能强制执行。
- 补丁是回退方案而非首选，也是最容易受上游变化影响的部分。集成工作流每天针对当前上游版本驱动每个框架的真实入口并断言护栏触发。
【适用场景】
- 使用 LangChain、CrewAI、OpenAI、Anthropic、LiteLLM、Google ADK、DSPy、LlamaIndex、Pydantic AI 等框架的 Python 智能体项目。
- 需要对智能体工具调用实施策略、审批、风险评估和审计的团队。
- 需要在 PR 阶段拦截未治理 AI 调用的工程流程。
- 需要多智能体集中治理与合规映射的企业环境。
- 需要对 MCP 服务器进行零代码治理的场景。
【限制与说明】
- 主要面向 Python。
- LLM Guard 已于 2026 年 7 月归档（资料原文表述，注意其时间标注）。
- 研究显示在 39 个公开智能体仓库中运行 aegis scan，92% 评分为 F，这是关于生态系统的发现，而非针对某个具体项目。
- 官方文档地址为 acacian.github.io/aegis，包含集成指南、策略参考、安全特性、API 稳定性、架构说明和交互式 playground。
- 许可证为 MIT，版权归 2026 구동하 (Dongha Koo, @Acacian) 所有。创建于 2026 年 3 月 21 日。
- 资料来源中未提供具体的收费与价格信息。
