思科开源的 Python 工具,用 YARA 规则、LLM 分析和 AI Defense 扫描 MCP 服务器及其工具的安全风险。
SafeAI-Lab-X/ClawKeeper
位于工具调用型 AI Agent 与其工具之间的安全中间件,可拦截高风险调用并脱敏敏感返回内容。
- Star
- 1,018
- Fork
- 59
- 未关闭 Issue
- 7
- 最近提交
- 2个月前
这是什么?
ClawKeeper 是一个面向工具调用型 Agent 的安全中间件,覆盖 shell、Python、浏览器、文件系统和网络等工具调用。它在工具执行前拦截调用,并在返回结果后进行扫描,无需修改宿主 Agent 的核心逻辑。可接入 Hermes Agent、MCP 工具、HTTP 桥接或自定义宿主。
默认防护规则针对常见的 Agent 安全问题,包括提示注入、凭据读取、凭据外泄链路、不安全的 shell 命令、受保护路径访问、类 SSRF 的 URL、base64 或 hex 编码的二次载荷,以及被投毒的工具输出。非 Python 宿主可通过 HTTP 服务调用 Judge API。
可选的 Watcher 守护进程会结合意图、近期工具调用历史和待执行调用进行判断,处理单条规则无法覆盖的情况。Watcher 捕获的威胁可生成学习到的模式,保存在 ~/.clawkeeper/ 下并热加载到运行中的防护层。
核心功能
- 01在执行前拦截高风险的 shell、Python、浏览器、文件系统和网络工具调用。
- 02对工具返回结果进行脱敏,并扫描是否存在投毒内容。
- 03检测凭据外泄链路及对受保护路径的访问。
- 04提供 HTTP 服务,包含判定、事件、审计和日志/技能扫描等接口。
- 05可选的 Watcher 守护进程,结合意图与多步工具调用历史进行判断。
适用场景
- 在 Hermes Agent 部署中用几行 Python 代码加入安全防护。
- 让非 Python 的 Agent 运行时在工具执行前调用 HTTP Judge API 进行判定。
- 审计 Agent 的工具调用,排查凭据读取和外泄尝试。
- 让防护层根据 Watcher 的检测结果持续学习新的攻击模式。
快速上手
- 1
克隆代码仓库
git clone git@github.com:SafeAI-Lab-X/ClawKeeper.git - 2
创建虚拟环境
python -m venv .venv - 3
在环境中安装包及开发依赖
pip install -e ".[dev]" - 4
运行测试套件进行健全性检查
pytest -q
使用前须知
- 仓库未指定许可证,使用权限不明确。
- 可选的 Watcher 组件需要 LLM API 密钥和已配置的模型。
标签
常见问题
- ClawKeeper 是什么?
- 位于工具调用型 AI Agent 与其工具之间的安全中间件,可拦截高风险调用并脱敏敏感返回内容。 ClawKeeper 是一个面向工具调用型 Agent 的安全中间件,覆盖 shell、Python、浏览器、文件系统和网络等工具调用。它在工具执行前拦截调用,并在返回结果后进行扫描,无需修改宿主 Agent 的核心逻辑。可接入 Hermes Agent、MCP 工具、HTTP 桥接或自定义宿主。
- ClawKeeper 可以免费使用吗?用的什么许可证?
- ClawKeeper 没有声明许可证。代码虽然公开,但没有许可证就没有明确的使用授权,正式使用前建议先联系作者。
- ClawKeeper 还在维护吗?
- 半年内有更新。ClawKeeper 最近一次提交是在 2026年8月17日。
- ClawKeeper 适合用来做什么?
- 在 Hermes Agent 部署中用几行 Python 代码加入安全防护。 让非 Python 的 Agent 运行时在工具执行前调用 HTTP Judge API 进行判定。 审计 Agent 的工具调用,排查凭据读取和外泄尝试。 让防护层根据 Watcher 的检测结果持续学习新的攻击模式。
- ClawKeeper 怎么安装和运行?
- 克隆代码仓库: git clone git@github.com:SafeAI-Lab-X/ClawKeeper.git 创建虚拟环境: python -m venv .venv 在环境中安装包及开发依赖: pip install -e ".[dev]" 运行测试套件进行健全性检查: pytest -q
- 在哪里获取 ClawKeeper?
- 源代码和安装说明在 GitHub 上:https://github.com/SafeAI-Lab-X/ClawKeeper
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
一个开源 Python 工具包,为基于 LLM 的对话应用添加可编程的安全护栏,控制话题、对话路径与输出。
本地优先的运行时安全层,在 AI 智能体执行前审查其命令、文件访问、包安装和 MCP 工具调用。
开源 AI 安全验证工具,检查模型文件、代码、在线 LLM/Agent/MCP 服务及录制的 Agent 运行记录。
腾讯朱雀实验室开源的全栈 AI 红队测试平台,用于扫描 AI 智能体、MCP 服务、Agent Skills 与 AI 基础设施的安全风险。
NVIDIA 推出的参考框架,在 OpenShell 沙箱中更安全地运行 OpenClaw、Hermes 等 AI 智能体。