Tracekit

给 AI Agent 装行车记录仪，每步可查、篡改可发现

开源 unknown 评测安全

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 138

维护状态活跃

是否开源是

定价模式 unknown

项目预览

项目数据

分类评测安全

开发团队Cygnux-Labs

所属国家

官网地址https://cygnuxlabs.com/tracekit

GitHubhttps://github.com/Cygnux-Labs/Tracekit

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型agent-security,ai-agents,ai-safety,audit-log,audit-trail,certificate-transparency,claude-code,guardrails,langchain,langgraph,llm,llm-security,mcp,observability,openai-agents,provenance,python,tamper-evident,transparency-log,typescript

GitHub 星标★ 138

30天Star增速

HF 下载量

上线时间2026-09-26 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-21

浏览次数0

项目介绍

Tracekit 是一个面向 AI Agent 的可审计追踪与安全控制工具，核心解决 Agent 执行过程不透明、行为难以追责的问题。它通过防篡改的追踪记录，把 Agent 每一步动作、调用链和决策依据完整落盘，形成可验证的审计日志，类似证书透明度的思路让记录无法被悄悄篡改。在此之上提供策略门禁（policy gates），在 Agent 执行敏感操作前按规则拦截或放行，并做交叉校验（cross-checks）核对行为与预期是否一致。支持 Claude Code、LangChain 等常见 Agent 框架，用 Python 实现，适合需要合规审计、事故复盘或安全护栏的团队。项目处于早期阶段，定位是让开发者看清 Agent 做了什么、为什么这么做，从而把不可控的自主行为变成可追溯、可约束的流程。

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

正在加载星标数据…

技术标签

使用教程

—

核心亮点

防篡改审计日志设计，记录可验证、难被静默修改，适合合规与事故复盘
内置策略门禁，可在 Agent 执行敏感动作前按规则拦截，而不只是事后记录
提供交叉校验机制，核对 Agent 实际行为与预期是否一致，能发现异常偏离

不足之处

项目仅 138 星，处于早期，API 和功能可能频繁变动
策略规则与校验逻辑需自行编写，缺少开箱即用的规则库

适用场景

企业部署自主 Agent 时做操作审计与合规留痕
Agent 执行高危操作（写文件、调外部 API）前的策略拦截
Agent 行为异常时回溯完整调用链定位原因

替代项目

Langfuse、Guardrails AI

上一篇：Awesome-AIGC-Image-Video-Detection

下一篇：nemo-helix