Canary 是一款专为 AI 代理设计的轻量级安全监控工具，通过多层防护机制防止未授权操作、危险指令执行和过度活动。其核心设计围绕预防性拦截与实时检测展开，能够在关键违规发生时自动中止代理进程，避免连锁故障或数据泄露。系统采用零依赖架构，仅需 Python 3.7+ 标准库即可运行，极大降低了部署门槛。Canary 不仅提供路径访问控制、命令模式匹配等基础防护，还引入‘陷阱文件’（tripwire）机制，通过在敏感位置放置诱饵文件来检测异常探测行为，实现主动防御。所有操作均被完整记录并生成审计日志，支持事后分析与合规审查。该工具适用于需要高度安全约束的自主智能体环境，尤其适合开发测试和生产监控场景，为 AI 系统的安全运行提供可靠保障。
核心功能特点
- 三层安全防护：路径监控、陷阱文件检测与审计追踪
- 自动中止机制：达到违规阈值后立即停止代理运行
- 灵活规则配置：支持自定义受保护路径、禁止命令模式和速率限制
- 陷阱文件系统：创建不可访问的诱饵文件以发现越权探测行为
- 完整审计日志：记录所有操作并支持 JSON/Markdown 格式导出报告
适用场景
Canary 特别适用于对安全性要求较高的 AI 代理应用场景。在自动驾驶或自动化运维等系统中，一旦代理误执行 `rm -rf /` 类高危命令可能导致灾难性后果，而 Canary 可在命令执行前进行正则匹配拦截，有效防止此类事件发生。对于多代理协作环境，可为不同角色（如研究型、开发型、管理员型）设置差异化的安全策略，确保每个代理仅在其权限范围内活动。在开发阶段，开发者可利用 Canary 快速验证代理行为是否符合预期，例如通过设置低阈值触发频率限制，观察代理是否陷入无限循环或频繁访问敏感目录。生产环境中，Canary 可长期运行并持续输出安全报告，帮助团队识别潜在威胁模式，如短时间内多次尝试访问 `/etc/shadow` 或重复调用 `curl | sh` 脚本，从而及时响应异常行为。此外，结合容器化部署使用时，Canary 可作为应用层的安全边界，补充操作系统层面的权限控制，形成纵深防御体系。