
EDR open-source pour agents IA. Surveillez les processus, fichiers, réseau et comportement des agents IA autonomes.
Supervision au niveau OS pour les agents de codage IA
Moniteur open-source qui montre ce que les agents de codage IA font réellement sur votre machine — au niveau OS, sans nécessiter de hooks dans les agents.
AEGIS voit chaque agent d'IA sur votre machine — même ceux qui ne coopèrent pas. C'est un observateur indépendant au niveau OS qui surveille les processus des agents, les accès aux fichiers, l'activité réseau et les anomalies comportementales en temps réel, indépendamment de la façon dont l'agent a été lancé. Construit sur un moteur de surveillance JavaScript (modules ES / CommonJS), avec TypeScript dans le moteur de rendu et les types partagés. Open-source, local, sans télémétrie — tout reste sur votre machine.
"Kaspersky a trouvé 512 bugs dans OpenClaw. Nous avons donc construit un EDR pour le surveiller."
Télécharger · Signaler un bug · Demande de fonctionnalité · Contribuer
.ssh, .aws, .gnupg, .env, configurations cloud) et 27 chemins de configuration d'agents d'IA pour les accès non autorisés.Les agents d'IA ont désormais un accès profond à votre machine — fichiers, commandes, réseau. Chaque outil de sécurité IA existant est une solution SaaS d'entreprise qui surveille ce que les humains envoient à l'IA. Personne ne surveille ce que les agents d'IA font sur les machines locales. Aegis est la réponse open-source.
La plupart des outils de supervision des agents d'IA fonctionnent en accrochant un hook à l'intérieur de l'agent lui-même — un plugin Claude Code, une extension Cursor, un wrapper SDK. Sage (Gen Digital), leash et l'Agent Governance Toolkit de Microsoft vivent tous dans l'environnement d'exécution de l'agent. Cela présente un angle mort structurel : ils ne voient que les agents qui ont installé leur hook. Un agent lancé d'une manière différente — un python autogpt.py brut, un binaire que vous n'avez pas enveloppé, un outil qui ne coopère tout simplement pas — leur est invisible.
AEGIS se situe à une couche différente. C'est un observateur indépendant au niveau OS : il surveille l'activité des processus, fichiers et réseaux depuis l'extérieur des agents, donc il détecte tout agent sur la machine, quelle que soit la façon dont il a été démarré ou s'il veut être surveillé. Les outils basés sur les hooks et AEGIS sont complémentaires — l'un instrumente les agents qui optent pour la surveillance, l'autre voit toute la machine.
AEGIS est une caméra, pas un gardien. Il observe et enregistre — il ne bloque pas les agents au niveau OS aujourd'hui. Il n'y a pas de hooks noyau et aucune application automatique. Le contrôle des processus (kill / suspend / resume) est manuel et invoqué par l'utilisateur uniquement. Le blocage actif est sur la feuille de route, pas dans la version actuelle. Utilisez AEGIS pour la visibilité, l'audit et la détection d'anomalies — associez-le à du sandboxing lorsque vous avez besoin d'application.
AEGIS est le seul moniteur d'agents d'IA open-source et local d'abord.
git clone https://github.com/antropos17/Aegis.git
cd Aegis
npm install
npm start
Nécessite Node.js 18+ et npm 9+. Windows 10/11 recommandé. macOS/Linux expérimental (#37).
Vous n'avez pas d'agents d'IA en cours d'exécution ? Le mode démo vous permet d'explorer le tableau de bord complet avec des données simulées — pas de surveillance réelle, pas de vrais processus.
npm run build:demo && npm start
Le mode démo exécute un moteur de scénario qui parcourt quatre phases de menace — calme → élevée → critique → réinitialisation — avec jusqu'à 12 agents d'IA simulés (Claude Code, Copilot, Cursor, et plus). Les événements d'accès aux fichiers, les connexions réseau, les scores d'anomalie et les évaluations de risque sont tous générés en temps réel afin que chaque onglet et fonctionnalité soit pleinement fonctionnel.
Utilisez-le pour évaluer AEGIS avant de le déployer, présenter l'interface à votre équipe ou développer de nouvelles fonctionnalités sans avoir besoin d'un environnement Windows en direct.
Un installateur .exe pré-construit est prévu dans une future version. Suivez les progrès dans les Releases.
Détection — 110 signatures d'agents, résolution de chaîne parente, protection des dossiers de configuration, score de risque par agent avec notes de confiance (A+ à F), score HTTP/User-Agent, détection des LLM locaux, marquage des faux positifs
Analyse — Lignes de base comportementales avec moyennes glissantes, détection d'anomalies multidimensionnelle, évaluation des menaces IA via l'API Anthropic (optionnel), rapports de menaces HTML imprimables
Tableau de bord — Tableau de bord en grille Bento — jauge RiskRing, Sparklines, TrustBadge, statistiques des agents, flux d'activité avec filtres, chronologie des sessions, cartes d'agents avec détails extensibles, préréglages de protection (Paranoid/Strict/Balanced/Developer), thème sombre/clair, notifications toast, protection OOM, raccourcis clavier (Ctrl+1-4)
Export — Rapports JSON, CSV, HTML, archive ZIP en un clic, journalisation d'audit JSONL (rotation quotidienne, conservation 30 jours)
i18n — Internationalisation avec base anglaise (110+ chaînes), traductions communautaires bienvenues
CLI — --scan-json pour le scripting, --version, --help
rules/custom/
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Process │ │ File │ │ Network │ │ LLM │
│ Scanner │ │ Watcher │ │ Monitor │ │ Detector │
│ (tasklist) │ │ (chokidar) │ │ (NetTCP+DNS)│ │(Ollama/LMS) │
└──────┬───────┘ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘
│ │ │ │
└───────────┬───────┴──────────┬───────┘ │
│ │ │
┌──────▼──────┐ ┌──────▼──────┐ │
│ Baseline │ │ Anomaly │◄──────────────────┘
│ Engine │ │ Detector │
│(10-session) │ │ (4-axis) │
└──────┬──────┘ └──────┬──────┘
│ │
┌──────▼──────┐ ┌──────▼──────┐ ┌─────────────┐
│ Risk │ │ Audit │ │ CLI │
│ Engine │ │ Logger │ │ (--scan-json│
│(time-decay) │ │ (JSONL/30d)│ │ --version) │
└──────┬──────┘ └──────┬──────┘ └─────────────┘
│ │
┌──────▼──────┐ ┌──────▼──────┐
│ Dashboard │ │ ZIP Writer │
│ (Svelte IPC)│ │ (export) │
└─────────────┘ └─────────────┘
Stack : Electron 33, Svelte 5, Vite 7, Vitest (707 tests dans 44 fichiers). Le moteur de surveillance est en JavaScript (CommonJS) ; TypeScript est utilisé dans le moteur de rendu et les types partagés.
110 agents dans src/shared/agent-database.json :
Codage — Claude Code, GitHub Copilot, Cursor, Windsurf, Tabnine, Amazon Q, Cody, Aider Autonomes — OpenClaw, Devin, Manus AI, OpenHands, SWE-Agent, AutoGPT, BabyAGI, CrewAI Bureau — Anthropic Computer Use, Google Gemini, Apple Intelligence, Microsoft Copilot Frameworks — LangChain, Semantic Kernel, AutoGen, MetaGPT, TaskWeaver LLM locaux — Ollama, LM Studio, vLLM, llama.cpp, LocalAI, GPT4All, Jan
Ajoutez des agents personnalisés via l'interface ou modifiez le JSON. Voir AGENTS.md.
Tout ce qui suit est prévu, pas encore livré. AEGIS est actuellement en mode surveillance uniquement (voir Surveillance d'abord).
Aegis est un outil de détection et de réponse sur les points de terminaison (EDR) open-source spécialement conçu pour surveiller les agents d'IA. Il suit les processus, les accès aux fichiers, l'activité réseau et les anomalies comportementales en temps réel, construit sur Electron 33 et Svelte 5. Le moteur de surveillance est en JavaScript (modules ES / CommonJS) ; TypeScript est utilisé dans le moteur de rendu et les définitions de types partagées. Toutes les données restent locales — pas de télémétrie, pas de dépendance cloud.
Les agents d'IA autonomes comme OpenClaw, AutoGPT et Devin ont un accès profond aux fichiers locaux, aux identifiants et aux commandes shell — mais fonctionnent avec une supervision minimale. L'analyse de Kaspersky a trouvé 512 bugs rien que dans OpenClaw. Aegis fournit la couche d'observabilité manquante afin que vous puissiez voir exactement ce que les agents font sur votre machine.
Les outils EDR traditionnels (CrowdStrike, Sentinel One) surveillent les menaces pilotées par les humains — malwares, ransomwares, phishing. Aegis est spécifiquement conçu pour le comportement des agents d'IA : il est livré avec 110 profils d'agents, 73 règles de détection adaptées aux schémas spécifiques aux agents, et des lignes de base comportementales qui suivent comment l'activité de chaque agent évolue dans le temps.
Oui. Aegis surveille tout processus d'agent d'IA en cours d'exécution sur votre machine, y compris les outils connectés via le Model Context Protocol (MCP). Si un outil connecté MCP crée des processus, accède à des fichiers ou effectue des appels réseau, Aegis détectera et évaluera cette activité.
Non. Aegis est une couche d'observabilité, pas une couche de restriction. Les sandbox limitent ce que les agents peuvent faire ; Aegis vous montre ce que les agents font. Ils sont complémentaires — utilisez le sandboxing pour l'application et Aegis pour la visibilité, l'audit et la détection d'anomalies.
Aegis est livré avec 110 signatures d'agents dans cinq catégories : assistants de codage (Claude Code, Copilot, Cursor), agents autonomes (OpenClaw, AutoGPT, CrewAI, Devin), IA de bureau (Gemini, Apple Intelligence), frameworks (LangChain, AutoGen, MetaGPT) et LLM locaux (Ollama, LM Studio, llama.cpp). Vous pouvez ajouter des agents personnalisés via l'interface ou la configuration JSON.
Aegis est actuellement en v0.10.0-alpha et est recommandé pour les environnements de développement et de test. Le moteur de surveillance principal est stable avec 707 tests réussis, mais les fonctionnalités de déploiement en production (mise à jour automatique, application au niveau OS) sont sur la feuille de route pour v1.0.
Oui. Aegis est publié sous licence MIT sans télémétrie, sans exigences cloud et sans niveaux payants. Le code source complet est disponible sur GitHub.
CONTRIBUTING.md · SECURITY.md · CODE_OF_CONDUCT.md
Si Aegis vous est utile, pensez à lui donner une étoile sur GitHub — cela aide d'autres personnes à découvrir le projet.
Équipes et Entreprise — Besoin de tableaux de bord centralisés, d'intégration SIEM ou de déploiement géré ? Nous le construisons. Soyez notifié
| 512 | vulnérabilités trouvées dans OpenClaw par Kaspersky — les agents autonomes sont livrés avec de véritables risques de sécurité |
| 0 | outils EDR open-source existaient pour les agents d'IA avant Aegis |
| 110 | signatures d'agents d'IA dans la base de détection, de Claude Code à AutoGPT |
| 73 | règles de détection comportementale dans 8 catégories, avec rechargement à chaud et surcharges personnalisées |
| 707 | tests réussis, 0 échecs — le moteur de surveillance est vérifié à chaque commit |
| <2s | démarrage à froid vers le tableau de bord complet — assez léger pour fonctionner aux côtés des agents qu'il surveille |
| Couche | Comment |
|---|
| Processus | 110 signatures connues d'agents d'IA, résolution d'arborescence parent-enfant, détection d'hôte IDE |
| Fichiers | Surveille .ssh, .aws, .gnupg, .env*, configurations cloud, 27 dossiers de configuration d'agents d'IA |
| Réseau | TCP sortant par PID d'agent, DNS inversé, points de terminaison API connus vs inconnus |
| Comportement | Lignes de base glissantes sur 10 sessions, score d'anomalie sur 4 axes (Réseau/FS/Processus/Ligne de base) |
| LLM locaux | Détection d'exécution Ollama, LM Studio, vLLM, llama.cpp |
| AEGIS | Lasso / Prompt Security / PromptArmor |
|---|
| Fonctionne localement | Oui | Cloud |
| Open source | MIT | Non |
| Gratuit | Oui | Entreprise |
| Surveille l'accès aux fichiers | Oui | Non |
| Détecte les LLM locaux | Oui | Non |
| Version | Date | Points forts |
|---|
| v0.10.0-alpha | 2026-03-09 | Nettoyage de code, durcissement de sécurité, palette de commandes |
| v0.9.1-alpha | 2026-03-08 | Dédoublonnage des listes déroulantes, chemins de compétences, aegis-context optimisé |
| v0.9.0-alpha | 2026-03-08 | categoryIndex, compétence prompt-craft, migration TS des stores |
| v0.8.2-alpha | 2026-03-08 | Extraction TS de formatBytes, tests significatifs, nettoyage de branches |
| v0.8.1-alpha | 2026-03-07 | Version correctif |
| v0.8.0-alpha | 2026-03-05 | Préparation au lancement : CSP renforcé, intégration OpenClaw, refonte du README |
| v0.7.0-alpha | 2026-03-04 | Ensembles de règles YAML, 68 règles, rechargement à chaud, 568 tests |
| v0.5.0-alpha | 2026-03-03 | Refonte élégante de l'interface, VisTimeline, AgentGraph |
| v0.4.0-alpha | 2026-03-03 | Infrastructure TypeScript, performances, refactoring |
![]() Antropos7 | ![]() Elshad Humbatli | ![]() Steven Melendez | ![]() travisbreaks | ![]() raye-deng | ![]() KJyang-0114 |