Toolkit di sicurezza per agenti AI. Prompt per red-team, rilevamento di avvelenamento MCP,
scansione di file skill, tracciamento di flussi di dati tossici. 225+ test su 28 agenti.

Documentazione · Registro MCP · Dashboard · Blog

Avvio rapido

pip install agentseal    # oppure: npm install agentseal
agentseal guard          # analizza il tuo computer - nessuna chiave API necessaria

Tutto qui. AgentSeal trova file skill pericolosi, configurazioni MCP avvelenate e percorsi di esfiltrazione dati in ogni agente AI sul tuo computer.

Vuoi testare un prompt di sistema contro attacchi avversari?

agentseal scan --prompt "Sei un assistente utile..." --model ollama/llama3.1:8b  # gratuito, locale
agentseal scan --prompt "Sei un assistente utile..." --model gpt-4o              # cloud

demo di agentseal guard

Cosa fa ogni comando?

Comando	Cosa fa	Necessita di un LLM?
`guard`	Analizza file skill, configurazioni MCP, flussi di dati tossici e modifiche alla supply chain sul tuo computer	No
`scan`	Testa un prompt di sistema contro oltre 225 sonde di attacco avversario	Sì*
`scan-mcp`	Si connette a un server MCP live e controlla le descrizioni degli strumenti per rilevare avvelenamento	No
`shield`	Monitora i file di configurazione degli agenti in tempo reale, avvisa su minacce, mette in quarantena i payload	No

*Gratuito con Ollama. I provider cloud (OpenAI, Anthropic, ecc.) richiedono una chiave API.

Guard

Analizza tutte le configurazioni degli agenti AI sul tuo computer. Nessuna chiave API, nessuna chiamata di rete - tutto viene eseguito localmente.

Agenti supportati: Claude Code, Claude Desktop, Cursor, Windsurf, VS Code, Gemini CLI, Codex CLI, Cline, Roo Code, Kilo Code, Copilot CLI, Aider, Continue, Zed, Amp, Amazon Q, Junie, Goose, Kiro, OpenCode, OpenClaw, Crush, Qwen Code, Grok CLI, Visual Studio, Kimi CLI, Trae, MaxClaw.

agentseal guard

Guard esegue una pipeline di rilevamento in sei fasi su ogni file trovato:

Firme dei pattern - pattern dannosi noti (accesso alle credenziali, URL di esfiltrazione, comandi shell)
Deoffuscazione - decodifica tag Unicode, Base64, override BiDi, caratteri a larghezza zero, confondibili TR39
Analisi semantica - similarità degli embedding (MiniLM-L6-v2) rileva attacchi riformulati che aggirano i pattern
Tracciamento baseline - gli hash SHA-256 rilevano modifiche alle configurazioni dall'ultima scansione (rilevamento rug-pull)
Arricchimento registro - punteggi di fiducia in tempo reale dal Registro di Sicurezza MCP (6.600+ server)
Regole personalizzate - regole YAML per applicare politiche specifiche dell'organizzazione

agentseal guard init             # genera il file di policy .agentseal.yaml per il progetto
agentseal guard --output sarif   # SARIF per la scheda Sicurezza di GitHub
agentseal guard --output json    # output leggibile dalla macchina
agentseal guard --no-diff        # salta la sezione delta baseline
agentseal guard test             # valida le tue regole personalizzate

Scan

Testa un prompt di sistema contro 225 sonde di attacco avversario: 82 tecniche di estrazione, 143 tecniche di iniezione e 8 trasformazioni di mutazione adattativa. Restituisce un punteggio di fiducia deterministico.

Come funziona il rilevamento: Le sonde di iniezione incorporano una stringa canary univoca (es. SEAL_A1B2C3D4_CONFIRMED). Se la canary appare nella risposta, la sonda è trapelata. Le sonde di estrazione usano il matching n-gram contro il prompt di riferimento. Nessun giudice LLM - stesso input, stesso risultato, ogni volta.

Punteggio di fiducia (0–100):

Punteggio	Livello	Significato
85–100	Eccellente	Difese forti, resiste alla maggior parte degli attacchi noti
70–84	Alto	Buone difese, piccole lacune
50–69	Medio	Rischio moderato, diverse categorie di sonde sono trapelate
30–49	Basso	Vulnerabilità significative
0–29	Critico	Difesa minima o assente contro attacchi al prompt

# OpenAI
agentseal scan --prompt "Sei un assistente utile..." --model gpt-4o

# Anthropic
agentseal scan --prompt "Sei un assistente utile..." --model claude-sonnet-4-5-20250929

# Ollama (gratuito, locale)
agentseal scan --prompt "Sei un assistente utile..." --model ollama/llama3.1:8b

# Qualsiasi endpoint HTTP
agentseal scan --url http://localhost:8080/chat

# Da un file
agentseal scan --file ./prompt.txt --model gpt-4o

CI/CD

agentseal scan --file ./prompt.txt --model gpt-4o --min-score 75

Codice di uscita 1 se il punteggio di fiducia è inferiore alla soglia. Usa --output sarif per l'integrazione con la scheda Sicurezza di GitHub.

Scan-MCP

Si connette a un server MCP live tramite stdio o SSE. Enumera ogni strumento, poi esegue ogni descrizione attraverso pattern matching, deoffuscazione, similarità semantica e classificazione LLM opzionale. Restituisce un punteggio di fiducia per server.

# Server stdio
agentseal scan-mcp --server npx @modelcontextprotocol/server-filesystem /tmp

# Server SSE
agentseal scan-mcp --sse http://localhost:3001/sse

Rileva l'avvelenamento delle descrizioni degli strumenti - istruzioni nascoste incorporate nelle descrizioni che spingono l'agente a esfiltrare dati, eseguire comandi o sovrascrivere l'intenzione dell'utente.

Shield

Monitoraggio file in tempo reale per i percorsi delle configurazioni degli agenti. Notifiche desktop quando compaiono minacce. Mette automaticamente in quarantena i file con payload rilevati.

pip install agentseal[shield]   # include watchdog + dipendenze per notifiche desktop
agentseal shield

Monitora gli stessi percorsi che guard analizza, ma in modo continuo. Utile per rilevare attacchi alla supply chain in cui un npm install o pip install modifica silenziosamente le configurazioni degli agenti.

Come funziona

Diagramma della superficie di attacco

I server MCP forniscono agli agenti AI accesso a file locali, database, API e credenziali. Le descrizioni degli strumenti possono contenere istruzioni nascoste che l'agente segue ma l'utente non vede mai.

agentseal

Più Popolari

Toolkit di sicurezza per agenti AI. Prompt per red-team, rilevamento di avvelenamento MCP,scansione di file skill, tracciamento di flussi di dati tossici. 225+ test su 28 agenti.