agentshield

扫描 AI 智能体配置，提前发现安全漏洞，防止工具越权。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署智能体 🍴 复刻 307 🐛 待处理 25 👀 关注 11

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1385

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类智能体

开发团队affaan-m

官网地址https://cerebralvalley.ai/e/claude-code-hackathon

GitHubhttps://github.com/affaan-m/agentshield

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言TypeScript

技术栈/模型ai-agent,anthropic,claude-code,hackathon,mcp,opus,security

GitHub 星标★ 1385

上线时间2026-02-11 00:00:00

代码更新2026-10-18

仓库体积2.3 MB

本站数据更新2026-11-10

维护状态较活跃

收录时间2026-08-09

浏览次数7

项目介绍

agentshield 是一个针对 AI 智能体（Agent）的安全扫描工具，旨在检测智能体配置、MCP 服务器和工具权限中的潜在漏洞。它解决了随着 AI Agent 和 MCP 生态快速发展而日益突出的安全问题，例如提示注入、工具越权、敏感信息泄露等。项目提供多种使用方式，包括命令行工具（CLI）、GitHub Action、ECC 插件以及 GitHub App 集成，方便开发者无缝嵌入现有工作流。核心能力包括对 agent 配置文件的静态分析、MCP 服务器安全策略检查、以及工具权限的细粒度审计。通过自动化扫描，帮助开发者在部署前发现并修复安全风险，提升 AI 应用的整体安全性。项目基于 TypeScript 开发，与 Claude Code 等主流 Agent 框架有良好兼容性。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1385

技术标签

ai-agent anthropic claude-code mcp security

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：命令行工具 8 步

环境要求

已安装 Node.js（需可用的 npx / npm 命令）
本机存在 Claude Code 配置目录 ~/.claude/
需要扫描 MCP 服务器与 hooks 配置时，相关配置需位于被扫描目录中

安装与启动步骤

1免安装扫描

无需安装即可扫描 Claude Code 配置，工具会自动发现 ~/.claude/ 目录并输出分级安全报告
```
npx ecc-agentshield scan
```
2全局安装 CLI

需要频繁使用时全局安装，之后可用 agentshield 命令直接扫描
```
npm install -g ecc-agentshield
agentshield scan
```
3安装运行时监控

安装 PreToolUse 运行时监控钩子，在工具调用前拦截风险操作
```
agentshield runtime install
```
4修复运行时文件

运行时文件损坏或无效时，备份无效文件并恢复一份健康的安装
```
agentshield runtime repair
```
5初始化策略包

选择策略预设（如 enterprise）并指定负责人，生成组织策略文件；预设只是起步基线
```
agentshield policy init --pack enterprise --owner security-platform@acme.example
```
6导出策略产物

按所选策略包导出 JSON 策略文件与含 SHA-256 摘要的 manifest.json，供评审与审计使用
```
agentshield policy export --output-dir .github/agentshield-policies --owner security-platform@acme.example
```
7提升策略为生效

校验 manifest 中策略文件摘要与 schema 后写入生效路径；评审流程可先加 --dry-run --json
```
agentshield policy promote --manifest .github/agentshield-policies/manifest.json --pack ci-enforcement --dry-run --json
```
8启动 MiniClaw 服务

以自定义端口、监听地址和限流参数启动 MiniClaw 本地服务
```
npx ecc-agentshield miniclaw start --port 4000 --network localhost --rate-limit 20
```

关键配置

配置项	必填	说明	示例
`version`	是	策略文件版本号	`1`
`name`	是	策略名称	`Acme Corp Security Policy`
`policy_pack`	是	所选策略预设包，如 enterprise、team、oss、regulated 等	`enterprise`
`min_score`	否	允许通过的最低安全评分门槛	`85`
`required_deny_list`	否	必须存在的拒绝规则条目	`["Bash(rm -rf"]`
`exceptions`	否	临时例外清单，含 owner、reason、expires_at、ticket 等字段	`[{"id":"AS-EX-001","rule":"required_hooks","expires_at":"202`

如何确认成功

扫描后终端打印 AgentShield Security Report，含 Grade 评分、分项得分与 Findings 汇总（文件数、各级别问题数）即表示运行成功。

常见问题

Q：扫描命令的退出码分别代表什么？

A：0 表示扫描完成且无 critical 问题；1 表示 CLI 用法或运行时错误；2 表示扫描完成但发现至少一个 critical 问题。

Q：报告里标了 auto-fixable 的问题怎么自动修复？

A：使用 --fix 参数，例如 agentshield scan --fix，报告会提示可自动修复的条目数量。

Q：为什么扫描结果里没有 node_modules 里的配置？

A：发现逻辑会主动跳过 node_modules、构建产物和 .dmux worktree 镜像等生成目录，避免临时副本重复上报问题。

Q：策略预设是不是云端下发的隐藏策略？

A：不是。策略包预设只是起步基线，oss、team、enterprise、regulated、high-risk-hooks-mcp、ci-enforcement 各有不同严格程度。

Q：MiniClaw 默认监听哪个地址？

A：作为库调用 startMiniClaw() 时默认监听 http://localhost:3847，CLI 方式可用 --port 和 --network 自定义。

注意事项

所有命令均为 README 中给出的原文用法，未提供 Node.js 最低版本要求，请以本机现有 Node 环境为准。
policy promote 会校验导出 manifest 中的 SHA-256 摘要与策略 schema，通过后才写入生效策略路径，评审流程建议先用 --dry-run --json。
策略例外（exceptions）会过期，评估输出会统计七天内即将到期和已过期的例外，避免临时豁免变成永久绕过。
MiniClaw 的 React dashboard 源码存在但尚未作为独立 npm 子路径发布，相关端点见 src/miniclaw/README.md 与 API.md。

核心亮点

支持多种集成方式（CLI、GitHub Action、GitHub App），可灵活嵌入开发流程
针对 MCP 服务器和工具权限做专项检查，直击 Agent 安全核心痛点
基于 TypeScript 开发，对 Claude Code 等主流 Agent 生态兼容性好

不足之处

项目仍处于早期阶段，扫描规则覆盖面和深度可能有限
文档和社区生态待观察，实际使用案例可能较少

适用场景

开发者在 CI/CD 流水线中集成安全扫描，防止带漏洞的 Agent 配置上线
安全团队对内部使用的 MCP 服务器和工具权限进行合规审计
AI 应用开发者自查 Agent 配置，避免提示注入和越权风险

替代项目

Prompt Security、Lasso Security、Protect AI

上一篇：ai-prompts

下一篇：google-meta-ads-ga4-mcp