
Monitor de nível de SO para agentes de IA: observa processos, acesso a arquivos e atividade de rede na máquina local e atribui cada evento a uma instância de agente.
Supervisão em nível de SO para agentes de codificação de IA
Monitor de código aberto que mostra o que os agentes de codificação de IA realmente fazem na sua máquina — no nível do sistema operacional, sem exigir hooks no agente.
O AEGIS enxerga todos os agentes de IA na sua máquina — até os que não cooperam. É um observador independente, em nível de SO, que vigia processos de agentes, acesso a arquivos, atividade de rede e anomalias comportamentais em tempo real, independentemente de como o agente foi iniciado. Construído sobre um mecanismo de monitoramento em JavaScript (ES modules / CommonJS), com TypeScript no renderer e tipos compartilhados. Código aberto, local, sem telemetria — tudo permanece na sua máquina.
"A Kaspersky encontrou 512 bugs no OpenClaw. Então construímos um EDR para monitorá-lo."
Download · Relatar Bug · Solicitar Recurso · Contribuir
.ssh, .aws, .gnupg, .env, configurações de nuvem) e 27 caminhos de configuração de agentes de IA contra acessos não autorizados.Os agentes de IA agora têm acesso profundo à sua máquina — arquivos, comandos, rede. Todas as ferramentas de segurança de IA existentes são SaaS empresariais que monitoram o que os humanos enviam para a IA. Ninguém monitora o que os agentes de IA fazem em máquinas locais. O Aegis é a resposta de código aberto.
A maioria das ferramentas de supervisão de agentes de IA funciona ancorando-se (hook) dentro do próprio agente — um plugin do Claude Code, uma extensão do Cursor, um wrapper de SDK. Sage (Gen Digital), leash e o Microsoft Agent Governance Toolkit vivem no runtime do agente. Isso tem um ponto cego estrutural: elas só enxergam agentes que instalaram o seu hook. Um agente iniciado de outra forma — um python autogpt.py puro, um binário que você não envolveu, uma ferramenta que simplesmente não coopera — é invisível para elas.
O AEGIS atua em uma camada diferente. É um observador independente, em nível de SO: monitora a atividade de processos, arquivos e rede de fora dos agentes, portanto captura qualquer agente na máquina, independentemente de como foi iniciado ou se quer ser observado. Ferramentas baseadas em hook e o AEGIS são complementares — uma instrumenta os agentes que aderem, a outra enxerga a máquina inteira.
O AEGIS é uma câmera, não um guarda. Ele observa e registra — não bloqueia agentes em nível de SO atualmente. Não há hooks de kernel nem aplicação automática de regras. O controle de processos (kill / suspend / resume) é apenas manual e iniciado pelo usuário. O bloqueio ativo está no roadmap, não na versão atual. Use o AEGIS para visibilidade, auditoria e detecção de anomalias — combine-o com sandboxing quando precisar de aplicação de regras.
O AEGIS é o único monitor de agentes de IA de código aberto e local-first.
git clone https://github.com/antropos17/Aegis.git
cd Aegis
npm install
npm start
Requer Node.js 18+ e npm 9+. Recomendado Windows 10/11. macOS/Linux experimental (#37).
Não tem agentes de IA em execução? O modo demo permite explorar o painel completo com dados simulados — sem monitoramento real, sem processos reais.
npm run build:demo && npm start
O modo demo executa um mecanismo de cenários que percorre quatro fases de ameaça — calma → elevada → crítica → reinício — com até 12 agentes de IA simulados (Claude Code, Copilot, Cursor e outros). Eventos de acesso a arquivos, conexões de rede, pontuações de anomalia e avaliações de risco são todos gerados em tempo real, para que todas as abas e recursos fiquem totalmente funcionais.
Use-o para avaliar o AEGIS antes de implantá-lo, demonstrar a interface para sua equipe ou desenvolver novos recursos sem precisar de um ambiente Windows ativo.
Um instalador .exe pré-compilado chegará em uma versão futura. Acompanhe o progresso em Releases.
Detecção — 110 assinaturas de agentes, resolução da cadeia pai, proteção de diretórios de configuração, pontuação de risco por agente com graus de confiança (A+ a F), pontuação HTTP/User-Agent, detecção de LLMs locais, marcação de falsos positivos
Análise — Baselines comportamentais com médias móveis, detecção de anomalias multidimensionais, avaliação de ameaças por IA via API da Anthropic (opt-in), relatórios de ameaça em HTML imprimíveis
Painel — Painel em grade bento — medidor RiskRing, Sparklines, TrustBadge, estatísticas de agentes, feed de atividades com filtros, linha do tempo de sessões, cartões de agente com detalhes expansíveis, predefinições de proteção (Paranoid/Strict/Balanced/Developer), tema claro/escuro, notificações toast, proteção contra OOM, atalhos de teclado (Ctrl+1-4)
Exportação — relatórios JSON, CSV, HTML, arquivo ZIP com um clique, registro de auditoria JSONL (rotação diária, retenção de 30 dias)
i18n — Internacionalização com base em inglês (110+ strings), traduções da comunidade bem-vindas
CLI — --scan-json para automação, --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 testes em 44 arquivos). O mecanismo de monitoramento é JavaScript (CommonJS); TypeScript é usado no renderer e nos tipos compartilhados.
110 agentes em src/shared/agent-database.json:
Codificação — Claude Code, GitHub Copilot, Cursor, Windsurf, Tabnine, Amazon Q, Cody, Aider Autônomos — OpenClaw, Devin, Manus AI, OpenHands, SWE-Agent, AutoGPT, BabyAGI, CrewAI Desktop — Anthropic Computer Use, Google Gemini, Apple Intelligence, Microsoft Copilot Frameworks — LangChain, Semantic Kernel, AutoGen, MetaGPT, TaskWeaver LLMs locais — Ollama, LM Studio, vLLM, llama.cpp, LocalAI, GPT4All, Jan
Adicione agentes personalizados pela interface ou edite o JSON. Consulte AGENTS.md.
Tudo abaixo está planejado, não foi lançado. O AEGIS hoje é apenas monitoramento (veja Monitoramento em primeiro lugar).
O Aegis é uma ferramenta de código aberto de detecção e resposta de endpoint (EDR), criada especificamente para monitorar agentes de IA. Ele rastreia processos, acesso a arquivos, atividade de rede e anomalias comportamentais em tempo real, construído sobre Electron 33 e Svelte 5. O mecanismo de monitoramento é JavaScript (ES modules / CommonJS); TypeScript é usado no renderer e nas definições de tipos compartilhadas. Todos os dados permanecem locais — sem telemetria, sem dependência de nuvem.
Agentes de IA autônomos como OpenClaw, AutoGPT e Devin têm acesso profundo a arquivos locais, credenciais e comandos de shell — mas operam com supervisão mínima. A análise da Kaspersky encontrou 512 bugs apenas no OpenClaw. O Aegis fornece a camada de observabilidade que faltava, para que você veja exatamente o que os agentes fazem na sua máquina.
Ferramentas EDR tradicionais (CrowdStrike, Sentinel One) monitoram ameaças conduzidas por humanos — malware, ransomware, phishing. O Aegis é construído especificamente para o comportamento de agentes de IA: ele vem com 110 perfis de agentes, 73 regras de detecção ajustadas para padrões específicos de agentes e baselines comportamentais que acompanham como a atividade de cada agente muda ao longo do tempo.
Sim. O Aegis monitora qualquer processo de agente de IA em execução na sua máquina, incluindo ferramentas conectadas via Model Context Protocol (MCP). Se uma ferramenta conectada via MCP gerar processos, acessar arquivos ou fizer chamadas de rede, o Aegis detectará e pontuará essa atividade.
Não. O Aegis é uma camada de observabilidade, não uma camada de restrição. Sandboxes limitam o que os agentes podem fazer; o Aegis mostra o que os agentes estão fazendo. Eles são complementares — use sandboxing para aplicação de regras e o Aegis para visibilidade, auditoria e detecção de anomalias.
O Aegis vem com 110 assinaturas de agentes em cinco categorias: assistentes de codificação (Claude Code, Copilot, Cursor), agentes autônomos (OpenClaw, AutoGPT, CrewAI, Devin), IA de desktop (Gemini, Apple Intelligence), frameworks (LangChain, AutoGen, MetaGPT) e LLMs locais (Ollama, LM Studio, llama.cpp). Você pode adicionar agentes personalizados pela interface ou pela configuração JSON.
O Aegis está atualmente na v0.10.0-alpha e é recomendado para ambientes de desenvolvimento e teste. O mecanismo central de monitoramento é estável, com 707 testes passando, mas os recursos de implantação em produção (atualização automática, aplicação de regras em nível de SO) estão no roadmap para a v1.0.
Sim. O Aegis é distribuído sob a licença MIT, sem telemetria, sem requisitos de nuvem e sem planos pagos. O código-fonte completo está disponível no GitHub.
CONTRIBUTING.md · SECURITY.md · CODE_OF_CONDUCT.md
Se o Aegis é útil para você, considere dar uma estrela no GitHub — isso ajuda outras pessoas a descobrirem o projeto.
Equipes & Enterprise — Precisa de painéis centralizados, integração com SIEM ou implantação gerenciada? Estamos construindo isso. Seja notificado
| 512 | vulnerabilidades encontradas no OpenClaw pela Kaspersky — agentes autônomos vêm com riscos reais de segurança |
| 0 | ferramentas EDR de código aberto existiam para agentes de IA antes do Aegis |
| 110 | assinaturas de agentes de IA no banco de dados de detecção, do Claude Code ao AutoGPT |
| 73 | regras de detecção comportamental em 8 categorias, com hot-reload e sobreposições personalizadas |
| 707 | testes passando, 0 falhas — o mecanismo de monitoramento é verificado a cada commit |
| <2s | da inicialização a frio ao painel completo — leve o suficiente para rodar ao lado dos agentes que monitora |
| Camada | Como |
|---|
| Processos | 110 assinaturas conhecidas de agentes de IA, resolução da árvore pai-filho, detecção de host de IDE |
| Arquivos | Vigia .ssh, .aws, .gnupg, .env*, configurações de nuvem, 27 diretórios de configuração de agentes de IA |
| Rede | TCP de saída por PID de agente, reverse DNS, endpoints de API conhecidos vs desconhecidos |
| Comportamento | Baselines móveis de 10 sessões, pontuação de anomalia em 4 eixos (Rede/FS/Processo/Baseline) |
| LLMs locais | Detecção de runtime Ollama, LM Studio, vLLM, llama.cpp |
| AEGIS | Lasso / Prompt Security / PromptArmor |
|---|
| Executa localmente | Sim | Nuvem |
| Código aberto | MIT | Não |
| Gratuito | Sim | Enterprise |
| Monitora acesso a arquivos | Sim | Não |
| Detecta LLMs locais | Sim | Não |
| Versão | Data | Destaques |
|---|
| v0.10.0-alpha | 2026-03-09 | Limpeza de código, endurecimento de segurança, paleta de comandos |
| v0.9.1-alpha | 2026-03-08 | Deduplicação de dropdown, caminhos de skill, aegis-context otimizado |
| v0.9.0-alpha | 2026-03-08 | categoryIndex, skill prompt-craft, migração de stores para TS |
| v0.8.2-alpha | 2026-03-08 | Extração de formatBytes para TS, testes significativos, limpeza de branches |
| v0.8.1-alpha | 2026-03-07 | Versão de correção (patch) |
| v0.8.0-alpha | 2026-03-05 | Prontidão para lançamento: CSP endurecido, integração com OpenClaw, reformulação do README |
| v0.7.0-alpha | 2026-03-04 | Conjuntos de regras YAML, 68 regras, hot-reload, 568 testes |
| v0.5.0-alpha | 2026-03-03 | Redesign sofisticado da UI, VisTimeline, AgentGraph |
| v0.4.0-alpha | 2026-03-03 | Infraestrutura TypeScript, desempenho, refatoração |
![]() Antropos7 | ![]() Elshad Humbatli | ![]() Steven Melendez | ![]() travisbreaks | ![]() raye-deng | ![]() KJyang-0114 |