Doberman-Core

给 AI 智能体装上安全锁,防提示注入,控工具权限

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 44 🐛 待处理 56 👀 关注 1
GitHub ↗
GitHub 星标 ★ 243
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,Apache-2.0 许可证,可免费使用和部署。

项目预览

Doberman-Core 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类智能体
开发团队DobermanCore
定价模式🏷️完全免费
价格说明开源项目,Apache-2.0 许可证,可免费使用和部署。
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Apache-2.0
主要语言Python
技术栈/模型agent-security,ai-agents,ai-safety,authorization,guardrails,llm,llm-security,mcp,python,security
GitHub 星标★ 243
上线时间2026-06-07 00:00:00
代码更新2026-10-29
仓库体积8.1 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6

项目介绍

Doberman-Core 是一个面向 AI 智能体的安全框架,专注于解决 LLM 应用中的安全防护问题。它提供提示注入防御、运行时策略执行、工具调用权限控制、智能体监控、审计日志、LLM 安全、自主工作流保护等功能,确保 AI 部署的安全性。该框架基于 Python 构建,支持 MCP(Model Context Protocol),可集成到现有 AI 工作流中,实现细粒度的权限管理和实时安全策略。它旨在为开发者提供一套完整的工具,防止恶意提示、越权操作和不可控的自主行为,是构建可靠、合规 AI 应用的安全基础设施。

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 ★ 243

核心亮点

  • 提供开箱即用的提示注入检测和防御机制,降低安全风险
  • 支持运行时策略执行和工具级权限控制,细粒度管理智能体行为
  • 内置审计日志和监控功能,便于追踪和合规审查

不足之处

  • 项目处于早期阶段,文档和社区生态尚未成熟
  • 功能覆盖广但深度待验证,实际生产环境案例较少

适用场景

  • 企业级 LLM 应用的安全合规部署
  • 自主智能体(如 MCP 工具)的权限管控
  • 需要防止提示注入和越权操作的 AI 工作流

替代项目

Guardrails AI、LlamaGuard、NeMo Guardrails

上一篇:Tracely

下一篇:hol-guard

同类项目推荐

cai 开源

给AI穿上防弹衣,让安全模型扛住攻击

Cybersecurity AI (CAI), the framework for AI Security

★ 9855 2026-08-09
skill-validator 开源

一条命令检查 Agent Skill 写得对不对、够不够扎实

Validate Skill content against Agent Skill specification, with additional content de···

★ 265 2026-10-30
nemo-helix 开源

让上线的 AI Agent 更快更准更安全

NeMo Helix: Make the agents you ship faster, more accurate, and safer.

★ 141 2026-10-21
SREGym 开源

用真实生产事故考题,测出 AI Agent 会不会排障

Can AI agents resolve production incidents?

★ 407 2026-09-12
inspect_ai 开源

统一跑大模型评测,结果可复现可回放

Inspect: A framework for large language model evaluations

★ 3212 2026-09-15
rag-arena 开源

让用户投票,选出最好的 RAG 系统

Open-source RAG evaluation through users' feedback

★ 222 2026-08-09
rageval 开源

给RAG系统打分,快速找出效果短板

Evaluation tools for Retrieval-augmented Generation (RAG) methods.

★ 172 2026-08-09