🛡️ Database Sentinel

Auditorias de segurança para o seu backend de banco de dados. Peça "audit my database" e receba um relatório com pontuação e o código de correção exato.

Funciona como uma Claude Skill (Supabase, MongoDB), um servidor MCP somente leitura para qualquer cliente de IA, ou um agente CLI que usa o seu próprio modelo (ambos Supabase).

→ Guia de configuração e uso do servidor MCP

→ Não quer executá-lo você mesmo? O Locksoup é a versão hospedada: uma auditoria de segurança do Supabase com re-verificações agendadas e alertas.

Changelog

2026-10-01 (v1.0.1)

• Corrigido: uma política UPDATE sem WITH CHECK não é mais reportada como permitindo que usuários reatribuam a propriedade de linhas (o Postgres reutiliza o USING como verificação). O rótulo do Q8 e o prompt do agente diziam o contrário, o que produzia falsos achados de mass-assignment em projetos reais.
• Benchmark: novo caso de desenvolvimento 027 desse projeto. F1 de teste inalterado (0,836 vs 0,838, mesmo dia). Execuções.

2026-09-30 (docs)

• Fluxo MCP avaliado em benchmark: um modelo conduzindo o servidor real via stdio obteve F1 de teste 0,865, precisão 0,905, recall crítico 1,0 (resultados). Harness: evals/mcp_client.py, sistema de avaliação m.

v1.0.0 (2026-09-30): lançamento do servidor MCP

• Servidor MCP v1.0: quatro ferramentas Supabase somente leitura, um prompt audit e os recursos de catálogo. Avaliado de ponta a ponta: um modelo conduzindo o servidor via stdio obteve F1 de teste 0,865, com recall crítico 1,0.
• Verificado no Supabase hospedado: session pooler, role somente leitura com BYPASSRLS, todas as 20 consultas.
• Menos falsos alarmes:
  • O Q1 agora verifica as permissões da API: RLS desativado com anon/authenticated revogados não é reportado como exposto.
  • O prompt de auditoria sabe que funções SECURITY INVOKER têm apenas os direitos do chamador.
  • Encontrado em um projeto real; novo caso de desenvolvimento 026.
• Fixe uma versão: git+https://github.com/Farenhytee/[email protected] em qualquer comando uvx/pipx. O plugin do Claude Code é fixado automaticamente.
• A auditoria padrão agora é o padrão da CLI: um prompt mais verificação por anon-probe, ~$0,0007 e ~15s por auditoria. --deep executa o agente que usa ferramentas, que obteve a mesma pontuação no nosso bench a ~5× o custo.

v0.2.1 (2026-09-30)

• F1 de teste: agente 0,782 → 0,831, prompt único 0,766 → 0,849. Sem travamentos ou timeouts (resultados).
• Corrigido:
  • Um argumento de ferramenta inválido não encerra mais a auditoria; o erro volta para o modelo.
  • As chamadas ao OpenRouter são roteadas para o provedor mais rápido (os lentos causavam timeouts).
  • A etapa final de achados do agente não lista mais candidatos que ele havia descartado.

v0.2.0 (2026-09-29)

• Resultados de teste publicados: agente F1 0,782, prompt único 0,766, regras 0,559 em uma divisão de teste cega e bloqueada de 10 casos, 3 execuções cada (resultados).
• Bench: 25 casos rotulados (15 de desenvolvimento, 10 de teste cego).
• Agente:
  • Etapa de verificação: sonda como anon para confirmar achados exploráveis.
  • --fix: imprime o SQL de correção para os achados que você escolher. Nunca é executado.
  • Relatório de custo: tokens, $ e chamadas de ferramentas para cada auditoria.
• CI: gate de regressão gratuito apenas com regras.

2026-09-29

• Instalação com um comando: plugin do Claude Code (skill + servidor MCP, solicita sua string de conexão) e um botão Add to Cursor.
• Instalação a partir do GitHub: um comando para o servidor MCP (uvx --from git+… sentinel-mcp) e o agente (pipx install "database-sentinel[agent] @ git+…").
• sentinel-mcp --role-sql imprime o SQL de configuração da role somente leitura.
• Erros mais claros: o cliente MCP agora vê por que uma chamada falhou, e a CLI imprime um erro em uma única linha.

2026-09-28

• Novo: servidor MCP para Supabase. Quatro ferramentas somente leitura, um prompt audit e o catálogo de padrões como recursos. Seu próprio LLM faz a análise, então é gratuito.
• Novo: agente lite (sentinel-audit). Um pipeline LangGraph que funciona com qualquer modelo compatível com OpenAI: OpenRouter, OpenAI ou Ollama local.
• Novo: benchmark + evals. 10 casos Supabase rotulados, com precisão/recall/F1 comparados entre uma linha de base de regras, uma linha de base de prompt único e o agente.
• Corrigido: seis consultas de auditoria do Supabase. O Q8 (UPDATE sem WITH CHECK) nunca correspondia a nada, o Q16 e o Q19 perdiam linhas para roles de menor privilégio, e o Q6, Q13 e Q14 tinham condições erradas.

Início rápido

O Claude Code instala a skill de auditoria e o servidor MCP de uma só vez (precisa do uv):

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

Usuários do Supabase: crie o login somente leitura (passo 1), depois execute /plugin configure database-sentinel@database-sentinel no Claude Code. Em seguida, peça: Audit my database.

Cursor  

Outros clientes MCP, e configuração completa: Guia 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, or any OpenAI-compatible API + 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

O que ele detecta