AEGIS

Osservabilità indipendente a livello di sistema operativo per agenti AI di codifica

Osserva ciò che gli agenti AI fanno realmente sulla tua macchina — processi, file, rete — dall'esterno degli agenti, senza bisogno di hook.

AEGIS è un osservatore indipendente a livello di sistema operativo per agenti AI. Osserva i processi degli agenti, l'accesso ai file e l'attività di rete indipendentemente da come l'agente è stato avviato o dal fatto che collabori con il monitoraggio — e collega ogni osservazione a una specifica istanza di agente, con le prove di tale attribuzione dichiarate in modo esplicito. Costruito su un motore di monitoraggio JavaScript CommonJS, con TypeScript nel renderer e nei tipi condivisi. Open-source, locale, senza telemetria — tutto rimane sulla tua macchina.

_{Demo registrata alla v0.10.0-alpha; alcune etichette sono state rinominate da allora.}

Download · Segnala un bug · Richiedi una funzionalità · Contribuisci

---

Cosa osserva AEGIS

Livello	Come
Processi	110 agenti (262 firme di nomi di processo), risoluzione della catena dei processi padre, rilevamento dell'host IDE, scoperta di estensioni WSL e IDE
File	Monitoraggio chokidar sulle directory sensibili (.ssh, .aws, .gnupg, .env*, configurazioni cloud) e sui percorsi di configurazione registrati degli agenti noti; rilevamento della lettura tramite handle aperti e Restart-Manager su Windows
Rete	TCP in uscita per processo agente, reverse DNS con conferma diretta e un verdetto per endpoint — allowlisted, unknown o flagged; un endpoint non identificato non viene mai mostrato come sicuro
Comportamento	73 regole di rilevamento in 8 categorie (YAML, ricaricate a caldo), baseline mobili su 10 sessioni, punteggio delle anomalie su quattro assi (rete / filesystem / processo / baseline)
LLM locali	Sondaggi a runtime per Ollama e LM Studio, inclusi i modelli caricati; altri runtime come vLLM e llama.cpp vengono rilevati tramite firma di processo

I fatti contati sopra non sono mantenuti a mano: npm run counts:check ricalcola ogni contatore documentato dall'albero a ogni esecuzione CI e fa fallire la build quando un numero nella documentazione si discosta dalla realtà.

Il grafo delle prove

Ciò che distingue AEGIS da un visualizzatore di processi non sono i sensori — è che ogni evento è collegato a un'istanza di agente, con prove che puoi verificare:

• Identità dell'istanza. Un agente è identificato come pid + tempo di nascita del sistema operativo (instanceId), quindi un PID riciclato è una nuova istanza, non una continuazione della storia della precedente. La memorizzazione nella cache dell'identità è vincolata da un testimone, e la CI esegue una prova di iniezione (npm run verify:gate, 4 mutanti) che diventa rossa se un'identità potesse mai essere servita da una cache obsoleta.
• Attribuzione con prove dichiarate. Ogni record di audit contiene pid, instanceId e un oggetto attribution con uno dei tre stati — confermato, dedotto o non attribuito — supportato da un registro chiuso di codici di prova. Quando AEGIS non sa quale agente ha toccato un file, dice non attribuito; non inventa mai un proprietario.
• Log a prova di manomissione. Gli eventi di audit sono JSONL concatenati tramite hash (Event Schema v1) con rotazione giornaliera, conservazione di 30 giorni e marcatori di perdita espliciti quando il buffer di scrittura va in overflow.
• Misurato, non affermato. Il meccanismo di identità è sottoposto a benchmark nel repository: la parità del tempo di nascita del provider è stata esatta per ogni processo confrontabile in entrambe le esecuzioni registrate (542/542 e 419/419), e il sidecar dello snapshot dei processi costa ~10 ms per scansione, mentre il provider di fallback costa da centinaia a migliaia. Le tabelle per esecuzione, gli ambienti e le lacune dichiarate sono in docs/bench/.

Prove: src/main/process-identity.js · src/main/attribution.js · audit di correttezza · bench 2026-08-12 · bench 2026-08-13

Monitor-first

AEGIS è una telecamera, non una guardia. Osserva e registra — non blocca gli agenti a livello di sistema operativo oggi. Non ci sono hook del kernel né applicazione automatica. Il controllo dei processi (kill / sospendi / riprendi) è manuale e solo su invocazione dell'utente. Il blocco attivo è nella roadmap, non nella release attuale. Usa AEGIS per visibilità, audit e rilevamento delle anomalie — abbinalo al sandboxing quando hai bisogno di applicazione delle regole.

Come AEGIS si differenzia dalla supervisione in-agent

La maggior parte degli strumenti di supervisione degli agenti AI strumenta l'agente stesso — un plugin di Claude Code, un'estensione IDE, un wrapper SDK. Questa collocazione ha un punto cieco strutturale: un agente compare solo se (l'agente o il suo utente) ha installato l'hook. Un python autogpt.py grezzo, un binario non avvolto o uno strumento che semplicemente non collabora è invisibile alla strumentazione in-agent.

AEGIS si colloca invece a livello di sistema operativo: osserva l'attività di processi, file e rete dall'esterno degli agenti, quindi ciò che vede non dipende dalla collaborazione dell'agente — solo dalla copertura di AEGIS stesso (vedi limiti noti). Non è l'unico strumento che osserva gli agenti localmente — AgentSight, ad esempio, osserva dal livello eBPF su Linux — e gli strumenti basati su hook sono complementari piuttosto che concorrenti: gli hook vedono l'intento (prompt, chiamate a strumenti) all'interno degli agenti che hanno aderito, mentre AEGIS vede gli effetti (processi, file, connessioni) per tutto ciò che gira sulla macchina, collegati alle istanze degli agenti senza richiedere collaborazione.

Limiti noti