agent-moss 0.3.1

Multi-layer security analysis engine for AI agents

AgentMoss

AgentMoss 是一个可被任意 AI Agent 调用的独立通用安全分析服务。基于 OS Profile 机制，自动适配 Linux/Windows 的 syscall 检测模式，提供三层防御安全分析（启发式 → 逻辑规则 → LLM 语义分析）。

v2 更新：新增 OS Profile 系统（Linux/Windows 自适应）、两级快速放行白名单、rm 命令分级检测、脚本内容预扫描、LLM 结果缓存、Provider 自动识别与 Header 注入、fail-closed 安全原则。

目录

• 架构
• 快速开始
• LLM 配置
• openEuler 部署
• API 参考
• 配置
• 项目结构
• 测试

架构

┌─────────────────────────────────────────────────────┐
│          调用入口 (HTTP / Unix Socket / Hook)         │
│  POST /api/v1/analyze                                │
│  GET  /api/v1/health                                 │
├─────────────────────────────────────────────────────┤
│               ObservableAdapter                       │
│  AgentOS 可观测服务 syscall → 标准格式               │
├─────────────────────────────────────────────────────┤
│                OS Profile 选择                        │
│     ┌──────────┐    ┌──────────┐                     │
│     │  Linux   │    │ Windows  │                     │
│     │ Profile  │    │ Profile  │                     │
│     └──────────┘    └──────────┘                     │
├─────────────────────────────────────────────────────┤
│          两级快速放行白名单                            │
│  完全安全 (ls/pwd/echo...) → 跳过 L2+L3              │
│  只读敏感 (cat/grep/head...) → 跳过 L3，保留 L2      │
├─────────────────────────────────────────────────────┤
│          安全分析引擎 (三层防御)                       │
│                                                      │
│  层1: 启发式静态检测 (<1ms)                           │
│    ├── 用户自定义规则匹配                             │
│    ├── 危险命令正则 (30+ 模式，rm 分级检测)           │
│    └── Prompt 注入检测 (62 个中英关键词，9 类)         │
│                                                      │
│  层2: 逻辑规则检测 (<1ms)                             │
│    ├── Rule 1: read-before-write 原则                 │
│    ├── Rule 2: 意图偏离检测                           │
│    ├── Rule 3: 敏感路径访问 (19 条路径，分级风险)      │
│    ├── Rule 4: 危险操作模式 (通配符删除/重定向覆盖)    │
│    ├── Rule 5: 提权检测 (sudo/su/chmod u+s)          │
│    └── Rule 6: 横向移动检测 (ssh/scp/rsync)           │
│                                                      │
│  层3: LLM + Skill 深度分析 (2-5s)                    │
│    ├── 脚本内容预扫描 (18 个可疑模式，4 组合风险)      │
│    ├── Skill 规则匹配 (12 个 Skill，关键词加权评分)    │
│    ├── LLM 结果缓存 (200 条 FIFO)                    │
│    ├── Provider 自动识别 (15+ Provider)               │
│    └── LLM 语义安全判断 (fail-closed)                 │
└─────────────────────────────────────────────────────┘

设计原则

• 适配在 OS 层，不在 Agent 层 — 不同 Agent 最终都会调用操作系统的 syscall，这是确定性的
• 标准化 I/O 契约 — 任何 Agent 遵循 API 格式即可接入，无需关心内部实现
• fail-closed 安全原则 — LLM 调用失败时默认拒绝，不确定时拒绝
• 两级快速放行 — 完全安全命令跳过 L2+L3，只读敏感命令跳过 L3，降低性能开销
• rm 命令分级检测 — 根据 flag 危险度 + 目标路径敏感度分级，避免无 flag 的 rm /tmp/x 被误拦

快速开始

安装

Python (PyPI)：

pip install agent-moss

TypeScript (npm)：

npm install @kenhkl/agent-moss

如需从源码安装：

git clone [e-mail]:kenhkl/AgentMoss.git
cd AgentMoss

# Python 版
pip install -e .

# TypeScript 版
cd ts && npm install && npm run build

CLI 使用

# 生成输入模板 (v2: 含 os_type 和 cwd 字段)
agent-moss init -o input.json

# 运行安全分析
agent-moss analyze input.json

# 启动 HTTP 服务 (TCP)
agent-moss server --port 9090

# 启动 Unix Domain Socket 服务（同机部署推荐）
agent-moss server --mode socket --socket /var/run/agent_moss/agent_moss.sock

# 指定配置文件
agent-moss server --mode socket --config /etc/agent_moss/agent_moss.yaml

API 调用

HTTP TCP 方式：

curl -X POST http://127.0.0.1:9090/api/v1/analyze \
  -H 'Content-Type: application/json' \
  -d '{
    "session_id": "test-001",
    "prompt_session": "列出系统文件",
    "action_history": [],
    "a_next": {
      "action_type": "bash",
      "action_detail": "ls -la /tmp"
    },
    "reason": "查看临时目录",
    "os_type": "",
    "cwd": "/home/user"
  }'

Unix Domain Socket 方式（同机低延迟）：

curl --unix-socket /var/run/agent_moss/agent_moss.sock \
  -X POST http://localhost/api/v1/analyze \
  -H 'Content-Type: application/json' \
  -d '{
    "session_id": "test-001",
    "a_next": {
      "action_type": "bash",
      "action_detail": "ls -la /tmp"
    }
  }'

响应示例 (Allow)：

{
  "decision": "Allow",
  "risk_level": "low",
  "risk_type": "",
  "violated_layers": [],
  "confidence": 100,
  "analysis_duration_ms": 10.8
}

TypeScript / Node.js 调用

import { createApp } from '@kenhkl/agent-moss';

const app = createApp();
// 通过 Hono app.fetch 在 Node.js / Bun / Electron 中调用
// 或启动独立服务: npx agent-moss server --port 9090

也可以直接 HTTP 调用：

const resp = await fetch('http://127.0.0.1:9090/api/v1/analyze', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({
        session_id: 'sess-001',
        a_next: { action_type: 'bash', action_detail: 'ls -la' },
        os_type: 'linux',
        cwd: '/home/user',
    }),
});
const result = await resp.json();
// → { decision: 'Allow'|'Deny', risk_level: 'low'|'...', ... }

响应示例 (Deny)：

{
  "decision": "Deny",
  "reason": "检测到递归强制删除关键路径 (rm -rf /...)",
  "risk_level": "critical",
  "risk_type": "script_execution",
  "violated_layers": ["1.1"],
  "confidence": 95,
  "analysis_duration_ms": 1.2
}

LLM 配置

AgentMoss 的三层防御中，层3（LLM 语义分析）是可选的。层1+层2 的静态规则可以独立运行。

启用 LLM

方式 1：环境变量（推荐）

export AGENT_MOSS_LLM_API_KEY="sk-your-key"
# 可选：自定义模型和 API 端点
export AGENT_MOSS_LLM_MODEL="glm-5.0"
export AGENT_MOSS_LLM_BASE_URL="https://api.nextapi.store/v1"

方式 2：YAML 配置文件

编辑 config/agent_moss.yaml：

llm:
  provider: "zhipu"
  model: "glm-5.0"
  base_url: "https://api.nextapi.store/v1"
  api_key_env: "AGENT_MOSS_LLM_API_KEY"
  temperature: 0.1
  max_tokens: 4096

security:
  llm_analysis:
    enabled: true

禁用 LLM（仅静态规则）

export AGENT_MOSS_DISABLE_LLM=1

支持的 LLM Provider

Provider	URL 匹配	Provider Hint	说明
OpenAI	api.openai.com	openai	默认模型
Anthropic	anthropic.com	claude / anthropic	Claude 系列
Google	generativelanguage.googleapis.com	google / gemini	Gemini 系列
DeepSeek	api.deepseek.com	deepseek	DeepSeek 系列
智谱 (GLM)	open.bigmodel.cn	zhipu / glm-cn / bigmodel	GLM / CogView
智谱 Coding Plan	api.z.ai	zai-coding-plan	智谱编程套餐
OpenRouter	openrouter.ai	openrouter	多模型中转
Groq	api.groq.com	groq	高速推理
Mistral	api.mistral.ai	mistral	Mistral 系列
Together	api.together.xyz	together	开源模型聚合
xAI	api.x.ai	xai / xai-grok	Grok 系列
MiniMax	api.minimaxi.com	minimax	MiniMax 系列
GitCode	api-ai.gitcode.com	gitcode	GitCode AI
Ollama	:11434	ollama	本地模型
任意兼容	—	other / custom / local	任何 OpenAI 兼容 API

自动识别 Provider 后，OpenRouter 和 xAI 会注入特定 HTTP Header（Referer、Title），确保平台正确计费。

openEuler 部署

前提

• openEuler 22.03 LTS+
• Python 3.10+
• root 权限

一键安装

sudo dnf install -y python3 python3-pip python3-devel
git clone <repo-url> agent_moss
cd agent_moss
sudo bash scripts/install.sh

配置 LLM（生产环境）

# 写入 API Key（文件权限 600）
echo "AGENT_MOSS_LLM_API_KEY=sk-your-key" | sudo tee /etc/agent_moss/agent_moss.env
sudo chmod 600 /etc/agent_moss/agent_moss.env

# 编辑 LLM model / base_url
sudo vim /etc/agent_moss/agent_moss.yaml

启动方式

# HTTP TCP 模式（默认，适合跨机/调试）
sudo systemctl enable --now agent_moss

# Unix Socket 模式（同机部署推荐，更低延迟）
# 编辑 /etc/agent_moss/agent_moss.yaml 中 server.mode: "socket"
# 或修改 /etc/systemd/system/agent_moss.service 中的 ExecStart

启动与验证

sudo systemctl enable --now agent_moss

# HTTP 模式验证
curl http://127.0.0.1:9090/api/v1/health
# {"status":"healthy","version":"0.2.0"}

# Socket 模式验证
curl --unix-socket /var/run/agent_moss/agent_moss.sock \
  http://localhost/api/v1/health

管理命令

命令	说明
systemctl start agent_moss	启动
systemctl stop agent_moss	停止
systemctl restart agent_moss	重启
systemctl status agent_moss	查看状态
journalctl -u agent_moss -f	查看日志
systemctl disable agent_moss	取消开机启动

防火墙（HTTP 模式需要）

sudo firewall-cmd --add-port=9090/tcp --permanent
sudo firewall-cmd --reload

API 参考

方法	路径	说明
GET	/api/v1/health	健康检查
POST	/api/v1/analyze	安全分析

POST /api/v1/analyze

请求体 (v2)：

{
  "session_id": "会话ID (必填)",
  "prompt_session": "原始任务描述 (可选，用于注入检测)",
  "action_history": [{"action_type": "...", "action_detail": "..."}],
  "a_next": {
    "action_type": "bash",
    "action_detail": "cat /etc/passwd"
  },
  "reason": "执行理由 (可选)",
  "os_type": "",
  "cwd": "/home/user/project",
  "metadata": {"agent_id": "...", "sandbox_id": "..."}
}

字段	类型	必填	说明
session_id	string	是	会话唯一标识
prompt_session	string	否	原始任务描述（层1 注入检测会扫描此字段）
action_history	array	否	历史动作序列
a_next.action_type	string	是	动作类型 (bash/file_read/file_write 等)
a_next.action_detail	string	是	命令/动作详情
reason	string	否	执行理由
os_type	string	否	"linux" / "windows"，留空自动检测
cwd	string	否	当前工作目录
metadata	object	否	扩展元数据

响应字段：

字段	类型	说明
decision	string	Allow / Deny
reason	string	决策原因
risk_level	string	low / medium / high / critical
risk_type	string	风险类别 (file_access, script_execution, data_exfiltration, prompt_injection, privilege_escalation, lateral_movement, ...)
violated_layers	array	触发的检测层，如 ["1", "2"]
violated_policy	string	违反的具体条款 (Deny 时)
policy	string	Cerberus TOML 策略 (Allow 时)
confidence	int	置信度 0-100
analysis_duration_ms	float	分析耗时（毫秒）

配置

优先级：环境变量 > YAML 配置文件 > 内置默认值

环境变量

变量	说明	默认值
AGENT_MOSS_LLM_API_KEY	LLM API Key	未设置
AGENT_MOSS_LLM_MODEL	LLM 模型名称	gpt-4o (TS) / anthropic/claude-3.5-sonnet (Python)
AGENT_MOSS_LLM_BASE_URL	LLM API 端点	https://api.openai.com/v1 (TS) / https://openrouter.ai/api/v1 (Python)
AGENT_MOSS_LLM_TEMPERATURE	LLM 采样温度	0.1
AGENT_MOSS_LLM_MAX_TOKENS	LLM 最大输出 token 数	4096
AGENT_MOSS_LLM_TIMEOUT	LLM 超时（秒）	300
AGENT_MOSS_LLM_RETRIES	LLM 调用重试次数	2（共 3 次尝试）
AGENT_MOSS_DISABLE_LLM	设为 1 禁用层3 LLM	未设置
AGENT_MOSS_DISABLE_HEURISTIC	设为 1 禁用层1 启发式	未设置
AGENT_MOSS_DISABLE_LOGIC_RULES	设为 1 禁用层2 逻辑规则	未设置
AGENT_MOSS_CUSTOM_RULES	自定义规则 JSON 数组	[]
AGENT_MOSS_ENABLE_POLICY_GEN	启用 Policy 生成	未设置
AGENT_MOSS_CONFIG_PATH	配置文件路径	内置默认

配置文件

参考 config/agent_moss.yaml。

自定义规则

通过 AGENT_MOSS_CUSTOM_RULES 环境变量注入自定义正则规则：

export AGENT_MOSS_CUSTOM_RULES='[
  {"pattern": "kubectl delete namespace", "action": "Deny", "severity": "critical"},
  {"pattern": "docker rm -f", "action": "Deny", "severity": "high"}
]'

配置模板

# OS Profile 自动选择
os_profile:
  type: ""         # 留空自动检测，可手动指定 linux / windows

# 服务调用模式
server:
  mode: "http"     # "http" (TCP) 或 "socket" (Unix Domain Socket)
  socket_path: "/var/run/agent_moss/agent_moss.sock"

项目结构

AgentMoss/
├── agent_moss/               # Python 实现 (v0.2.0, PyPI: agent-moss)
│   ├── __init__.py
│   ├── cli.py                # 命令行工具
│   ├── profiles/             # OS Profile 系统
│   │   ├── base.py           # OSProfile 抽象基类
│   │   ├── linux.py          # LinuxProfile (22 危险模式 + 62 注入关键词 + 19 敏感路径)
│   │   └── windows.py        # WindowsProfile
│   ├── engine/               # 安全分析引擎
│   │   ├── coordinator.py    # 三层协调器 + 两级快速放行
│   │   ├── heuristic.py      # 层1: 启发式检测 (3 个子检测器)
│   │   ├── logic_rules.py    # 层2: 逻辑规则检测 (6 条规则)
│   │   ├── llm_analyzer.py   # 层3: LLM + Skill 深度分析 (200 条缓存)
│   │   ├── script_analyzer.py # 脚本内容预扫描 (18 个可疑模式)
│   │   ├── skill_engine.py   # Skill 匹配引擎 (12 个 Skill)
│   │   └── types.py          # 类型定义
│   ├── infra/                # 基础设施
│   │   ├── config.py         # 配置管理 (YAML + 环境变量)
│   │   ├── llm_client.py     # LLM 客户端 (15+ Provider 自动识别)
│   │   ├── logging.py        # 结构化日志
│   │   ├── parsers.py        # LLM 响应解析器
│   │   ├── policy_cache.py   # 策略缓存 (内存 + 文件持久化)
│   │   └── prompt_templates.py # Prompt 模板加载
│   ├── server/               # HTTP API 服务层
│   │   ├── app.py            # FastAPI 应用
│   │   ├── routes.py         # API 路由
│   │   ├── models.py         # Pydantic 请求/响应模型
│   │   └── socket_server.py  # Unix Domain Socket
│   ├── adapters/             # 适配器层
│   │   └── observable.py     # AgentOS syscall 数据适配
│   ├── skills/               # 12 个安全 Skill 规则 (Markdown)
│   ├── templates/            # 3 个 Prompt 模板 + policy_mapping
│   └── rules/                # 用户自定义规则
│
├── ts/                       # TypeScript 实现 (v0.2.1, npm: @kenhkl/agent-moss)
│   ├── src/
│   │   ├── cli.ts            # CLI 入口 (init/analyze/server)
│   │   ├── config.ts         # 配置管理 (环境变量 + Provider 识别)
│   │   ├── models.ts         # Zod 数据模型
│   │   ├── routes.ts         # Hono API 路由
│   │   ├── server.ts         # Hono HTTP 服务
│   │   └── engine/           # 三层防御引擎
│   │       ├── coordinator.ts    # 三层协调器 + 两级快速放行
│   │       ├── heuristic.ts      # 层1: 启发式 (30 危险模式 + 56 注入关键词)
│   │       ├── logic-rules.ts    # 层2: 逻辑规则 (6 条规则 + 20 敏感路径)
│   │       ├── llm-analyzer.ts   # 层3: LLM 分析 (200 条缓存 + fail-closed)
│   │       ├── script-analyzer.ts # 脚本内容预扫描 (16 个可疑模式)
│   │       ├── skill-loader.ts   # Skill 加载与匹配 (12 个 Skill)
│   │       └── template-loader.ts # Prompt 模板加载
│   ├── package.json
│   └── tsup.config.ts
│
├── config/
│   └── agent_moss.yaml       # YAML 配置模板
├── docs/
│   ├── design.md             # 基础架构设计
│   └── ...
└── tests/
    ├── conftest.py           # 共享 fixtures
    ├── test_all_cases.py     # 全量测试 (48 个用例)
    └── cases/                # 测试用例 JSON

测试

# 前两层测试（不依赖 LLM）
python3 -m pytest tests/ -v --no-header

# 包含 LLM 层（需 API Key）
AGENT_MOSS_LLM_API_KEY="sk-xxx" python3 -m pytest tests/ -v

# 仅运行特定测试
python3 -m pytest tests/ -k "deny" -v
python3 -m pytest tests/ -k "profile" -v

# TypeScript 版
cd ts && npm run build