Agent护栏分层实测与工具门禁实践

quiet_flare 发布 Agent 护栏工具的实测对比，并介绍基于 Claude Agent SDK 的代码级工具调用门禁 Mainsheet。对比显示，流量代理只能观察进出模型的文本，无法看到 Agent 在 harness 内删除目录、发送邮件等不可逆操作的决策瞬间。 Mainsheet 在代码层为每次工具调用设置参数模式检查、deny 规则、预算和人工审批；会话执行过被标记为不可信输出的工具后，后续将拒绝全部不可逆操作，并为每次决策生成哈希链签名回执。quiet_flare 同时承认，污点标记目前是全会话级单一 flag、粒度较粗，回执可信度还取决于签名密钥的存放位置，相关存放方案尚未文档化。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。