Skip to main content

Experimental AI execution protocol for safer agent workflows, minimal context, risk classification, validation, and evidence-based delivery.

Project description

AI Execution Protocol

Framework experimental para orientar agentes de IA em tarefas tecnicas com mais seguranca, contexto minimo, validacao e controle de risco.

O alvo atual e Codex. O protocolo e otimizado para Codex agora, mas foi organizado para continuar portavel para outras IAs no futuro.

Objetivo

Evitar que a IA execute pedidos de forma impulsiva, perigosa ou fora de escopo.

O framework ajuda a IA a:

  • entender a intencao antes de agir;
  • classificar o risco da tarefa;
  • ler apenas o contexto necessario;
  • mapear impacto antes de alterar arquivos;
  • pedir confirmacao em acoes sensiveis;
  • validar o resultado antes de entregar;
  • explicar limites e risco residual.

Ideia central

Entender -> classificar risco -> mapear impacto -> executar -> validar -> entregar

O protocolo nao tenta transformar toda tarefa em um processo pesado. A regra e proporcionalidade: tarefa simples deve ser rapida; tarefa critica exige mais mapa, confirmacao e evidencia.

Status

Projeto em fase de pesquisa e evolucao.

Este repositorio contem uma proposta tecnica, nao uma garantia de seguranca nem uma fonte normativa definitiva. Testes reais, revisao humana e criterio tecnico continuam obrigatorios em tarefas criticas.

Estrutura

  • AGENTS.md: instrucao principal para agentes no projeto.
  • INDEX.yaml: mapa estruturado para navegacao rapida.
  • config.yaml: configuracao do alvo atual e versao do protocolo.
  • docs/: explicacoes conceituais em Markdown.
  • protocol/: regras operacionais curtas em YAML.
  • cases/: casos estruturados para testar o comportamento da IA.
  • examples/: exemplos humanos de uso do framework.
  • schema/: contratos para manter os YAML padronizados.
  • eval/: rubrica e exemplos de avaliacao.
  • scripts/: automacoes de instalacao, validacao e avaliacao.
  • responses/: exemplos de respostas para avaliacao.
  • benchmarks/: comparacoes entre execucao com e sem protocolo.
  • model-runs/: respostas reais por modelo para comparacao.
  • real-runs/: templates ou registros de execucoes reais auditaveis.
  • dist/minimal/: pacote minimo gerado para instalar em outros projetos.

Como usar como agente

  1. Leia INDEX.yaml.
  2. Confirme o alvo atual em config.yaml.
  3. Leia protocol/fast-path.yaml.
  4. Use protocol/router.yaml para escolher o menor contexto suficiente.
  5. Abra apenas os arquivos indicados pela rota.
  6. Execute, valide e entregue com evidencia.

Como estudar o framework

Comece por:

  • docs/00-visao-geral.md
  • docs/01-modelo-de-execucao.md
  • docs/02-niveis-de-risco.md
  • docs/03-mapeamento-antes-de-alterar.md
  • docs/05-validacao-e-entrega.md
  • docs/14-publicacao.md

Use docs/ para entender a metodologia. Use protocol/ quando quiser aplicar as regras em uma tarefa real.

Validacao local

Execute a validacao geral:

python scripts/health_check.py

Execute a bateria estrutural extra:

python scripts/framework_tests.py

Meca custo aproximado de leitura por rota:

python scripts/token_report.py

Instalacao em outro projeto

Projeto novo:

ai-protocol init .

Projeto existente:

ai-protocol install .

Previa sem alterar arquivos:

ai-protocol install . --dry-run

Instalacao local via PowerShell:

.\install.ps1 C:\caminho\projeto -Force

Instalacao local via npm:

npm run install-protocol -- C:\caminho\projeto
npm run dry-run-protocol -- C:\caminho\projeto

Instalacao local via Python:

python scripts/install_protocol.py --target C:\caminho\projeto --force
python scripts/verify_install.py --target C:\caminho\projeto

O final esperado da verificacao e PASS.

Publicacao

Antes de publicar, revise docs/14-publicacao.md.

Resumo minimo:

  • nao publique .env, chaves, tokens, senhas, logs reais ou dados de cliente;
  • mantenha artefatos gerados fora do Git quando nao forem necessarios;
  • use .gitignore;
  • publique com README.md, LICENSE, docs/, protocol/, cases/, examples/, schema/, eval/ e scripts/ quando fizer sentido;
  • preserve o posicionamento como pesquisa experimental e framework em evolucao.

Licenca

Distribuido sob a licenca MIT. Veja LICENSE.

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

ai_execution_protocol-0.1.0.tar.gz (16.9 kB view details)

Uploaded Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

ai_execution_protocol-0.1.0-py3-none-any.whl (20.0 kB view details)

Uploaded Python 3

File details

Details for the file ai_execution_protocol-0.1.0.tar.gz.

File metadata

  • Download URL: ai_execution_protocol-0.1.0.tar.gz
  • Upload date:
  • Size: 16.9 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.2.0 CPython/3.14.0

File hashes

Hashes for ai_execution_protocol-0.1.0.tar.gz
Algorithm Hash digest
SHA256 76332d24d9e784238bc30f1898e8fd0fd61d34923b7c6b03d9ac6696498dcf8e
MD5 1191d3e09b93e6223a25d397726e0f74
BLAKE2b-256 9d9a909cc5aa54ec96a91c52e164a7ea5b30c5dfc83e1cd72bd98329928ee4ca

See more details on using hashes here.

File details

Details for the file ai_execution_protocol-0.1.0-py3-none-any.whl.

File metadata

File hashes

Hashes for ai_execution_protocol-0.1.0-py3-none-any.whl
Algorithm Hash digest
SHA256 1057ae5bcbb28de9283128f667392c05595c65f9de1cc34a0b29c3f887e18e17
MD5 9bafbe052ca08ca66991b5ae999bc5b2
BLAKE2b-256 613d192976495b9a3fa7fb80264ff160ed4c253048c2da61a8b26960f5566e71

See more details on using hashes here.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Depot Continuous Integration Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page