🛡️ Database Sentinel

Auditorías de seguridad para tu backend de base de datos. Pregunta "audita mi base de datos" y obtén un informe con puntuación y el código de corrección exacto.

Funciona como una Claude Skill (Supabase, MongoDB), un servidor MCP de solo lectura para cualquier cliente de IA, o un agente CLI que usa tu propio modelo (ambos Supabase).

→ Guía de configuración y uso del servidor MCP

→ ¿No quieres ejecutarlo tú mismo? Locksoup es la versión alojada: una auditoría de seguridad de Supabase con re-verificaciones programadas y alertas.

Registro de cambios

2026-10-01 (v1.0.1)

• Corregido: una política UPDATE sin WITH CHECK ya no se reporta como que permite a los usuarios reasignar la propiedad de filas (Postgres reutiliza USING como la comprobación). La etiqueta de Q8 y el prompt del agente decían lo contrario, lo que producía falsos hallazgos de asignación masiva en proyectos reales.
• Benchmark: nuevo caso de desarrollo 027 de ese proyecto. F1 de test sin cambios (0.836 vs 0.838, mismo día). Ejecuciones.

2026-09-30 (docs)

• Flujo MCP evaluado: un modelo dirigiendo el servidor real por stdio obtuvo F1 de test 0.865, precisión 0.905, recall crítico 1.0 (resultados). Arnés: evals/mcp_client.py, sistema de evaluación m.

v1.0.0 (2026-09-30): lanzamiento del servidor MCP

• Servidor MCP v1.0: cuatro herramientas de solo lectura de Supabase, un prompt audit y los recursos del catálogo. Evaluado de extremo a extremo: un modelo dirigiendo el servidor por stdio obtuvo F1 de test 0.865, con recall crítico 1.0.
• Verificado en Supabase alojado: session pooler, rol de solo lectura con BYPASSRLS, las 20 consultas.
• Menos falsas alarmas:
  • Q1 ahora comprueba los permisos de API: RLS desactivado con anon/authenticated revocados no se reporta como expuesto.
  • El prompt de auditoría sabe que las funciones SECURITY INVOKER solo tienen los derechos del invocador.
  • Encontrado en un proyecto real; nuevo caso de desarrollo 026.
• Fija una versión: git+https://github.com/Farenhytee/[email protected] en cualquier comando uvx/pipx. El plugin de Claude Code se fija automáticamente.
• La auditoría estándar ahora es la opción por defecto del CLI: un prompt más verificación con sonda anon, ~$0.0007 y ~15s por auditoría. --deep ejecuta el agente que usa herramientas, que obtuvo la misma puntuación en nuestro bench a ~5× el coste.

v0.2.1 (2026-09-30)

• F1 de test: agente 0.782 → 0.831, prompt único 0.766 → 0.849. Sin caídas ni timeouts (resultados).
• Corregido:
  • Un argumento de herramienta incorrecto ya no termina la auditoría; el error vuelve al modelo.
  • Las llamadas a OpenRouter se enrutan al proveedor más rápido (los lentos causaban timeouts).
  • El paso final de hallazgos del agente ya no lista candidatos que había descartado.

v0.2.0 (2026-09-29)

• Resultados de test publicados: agente F1 0.782, prompt único 0.766, reglas 0.559 en una división de test ciega y bloqueada de 10 casos, 3 ejecuciones cada uno (resultados).
• Bench: 25 casos etiquetados (15 de desarrollo, 10 de test ciego).
• Agente:
  • Paso de verificación: sondea como anon para confirmar hallazgos explotables.
  • --fix: imprime el SQL de corrección para los hallazgos que elijas. Nunca se ejecuta.
  • Informe de coste: tokens, $ y llamadas a herramientas para cada auditoría.
• CI: puerta de regresión gratuita solo con reglas.

2026-09-29

• Instalación con un comando: plugin de Claude Code (skill + servidor MCP, solicita tu cadena de conexión) y un botón Add to Cursor.
• Instalar desde GitHub: un comando para el servidor MCP (uvx --from git+… sentinel-mcp) y el agente (pipx install "database-sentinel[agent] @ git+…").
• sentinel-mcp --role-sql imprime el SQL de configuración del rol de solo lectura.
• Errores más claros: el cliente MCP ahora ve por qué falló una llamada, y el CLI imprime un error de una sola línea.

2026-09-28

• Nuevo: servidor MCP para Supabase. Cuatro herramientas de solo lectura, un prompt audit y el catálogo de patrones como recursos. Tu propio LLM hace el análisis, así que es gratis.
• Nuevo: agente lite (sentinel-audit). Un pipeline de LangGraph que funciona con cualquier modelo compatible con OpenAI: OpenRouter, OpenAI u Ollama local.
• Nuevo: benchmark + evals. 10 casos de Supabase etiquetados, con precisión/recall/F1 comparados entre una línea base de reglas, una línea base de prompt único y el agente.
• Corregido: seis consultas de auditoría de Supabase. Q8 (UPDATE sin WITH CHECK) nunca coincidía con nada, Q16 y Q19 omitían filas para roles de mínimo privilegio, y Q6, Q13 y Q14 tenían condiciones incorrectas.

Inicio rápido

Claude Code instala la skill de auditoría y el servidor MCP de una vez (necesita uv):

claude plugin marketplace add Farenhytee/database-sentinel
claude plugin install database-sentinel@database-sentinel

Usuarios de Supabase: crea el login de solo lectura (paso 1), luego ejecuta /plugin configure database-sentinel@database-sentinel en Claude Code. Después pregunta: Audit my database.

Cursor  

Otros clientes MCP, y configuración completa: Guía MCP

git clone https://github.com/Farenhytee/database-sentinel.git ~/.claude/skills/database-sentinel

pipx install "database-sentinel[agent] @ git+https://github.com/Farenhytee/database-sentinel"
export SENTINEL_BASE_URL=http://localhost:11434/v1 SENTINEL_MODEL=<model>   # Ollama, o cualquier API compatible con OpenAI + SENTINEL_API_KEY
sentinel-audit --dsn "postgresql://sentinel_auditor:<password>@<host>:5432/postgres" \
  --rest-url https://<ref>.supabase.co --anon-key <anon key> --repo ./my-app

Qué detecta