Agent OS — Community Edition

Архитектура ядра для управления автономными AI-агентами

⭐ Если этот проект вам помогает, поставьте звезду! Это поможет другим найти Agent OS.

📦 Установить полный стек: pip install ai-agent-governance[full]

Числа

1 680+	12	170К+	<0.1ms p99
Тестов пройдено	Интеграций с фреймворками	Суммарных звёзд интегрированных проектов	Задержка управления (Бенчмарки)

Принят ведущими AI-фреймворками

Фреймворк	Звёзды	Статус
Dify	65K ⭐	✅ Принят
LlamaIndex	47K ⭐	✅ Принят
Microsoft Agent-Lightning	15K ⭐	✅ Принят
LangGraph	24K ⭐	📦 Опубликован на PyPI
OpenAI Agents SDK	—	📦 Опубликован на PyPI

Зачем Agent OS?

Проблема: AI-агенты могут выполнять произвольные инструменты, обращаться к конфиденциальным данным и принимать автономные решения — без встроенного управления, журналов аудита или применения политик.

Решение: Ядро управления, которое располагается между агентами и их действиями, обеспечивая детерминированное применение политик менее чем за 1 мс без изменений в коде агентов.

Как Agent OS сравнивается

Инструмент	Фокус	Когда действует
LangChain/CrewAI	Создание агентов	Н/П (фреймворк)
NeMo Guardrails	Фильтрация ввода/вывода	До/после вызова LLM
LlamaGuard	Классификация контента	До/после вызова LLM
Agent OS	Перехват действий	Во время выполнения

Покрытие OWASP Agentic Top 10

Agent OS + экосистема покрывает 8 из 10 рисков безопасности агентных приложений OWASP:

Риск	Покрытие	Модуль
ASI01 Перехват цели агента	✅ Полное	`GovernancePolicy.blocked_patterns`
ASI02 Злоупотребление инструментами	✅ Полное	`MCPGateway` — фильтрация инструментов, rate limiting, аудит
ASI03 Идентичность и привилегии	✅ Полное	`require_human_approval`, RBAC политики
ASI04 Цепочка поставок	⚠️ Частичное	Allowlist инструментов (без глубокого сканирования)
ASI05 Выполнение кода	✅ Полное	`blocked_patterns`, интеграция песочницы
ASI06 Отравление памяти	✅ Полное	`MemoryGuard` — целостность хэшей, обнаружение инъекций
ASI07 Межагентное взаимодействие	✅ Полное	Рукопожатие доверия AgentMesh, HMAC-аутентификация
ASI08 Каскадные отказы	✅ Полное	Автоматы состояний Agent SRE, обнаружение каскадов
ASI09 Доверие человека к агенту	✅ Полное	Рабочие процессы подтверждения, журналирование аудита
ASI10 Агенты-изгои	⚠️ Частичное	Кольца выполнения Agent Hypervisor, kill switch

Экосистема управления агентами

Слой	Пакет	Назначение	Установка
Ядро	Agent OS	Применение политик, перехват действий	`pip install agent-os-kernel`
Сеть	AgentMesh	Идентичность, доверие, делегирование	`pip install agentmesh-platform`
Надёжность	Agent SRE	SLO, хаос-тестирование, автоматы состояний	`pip install agent-sre`
Среда выполнения	Agent Hypervisor	Кольца выполнения, ограничения ресурсов, saga	`pip install agent-hypervisor`
Полный стек	ai-agent-governance	Всё вышеперечисленное	`pip install ai-agent-governance[full]`

Быстрый старт за 30 секунд

pip install agent-os-kernel

from agent_os import StatelessKernel, ExecutionContext

# Создать управляемого агента в 3 строки
kernel = StatelessKernel()

# Определить контекст выполнения с политиками управления
ctx = ExecutionContext(agent_id="demo-agent", policies=["read_only"])

# Агент запускается с применением политик
result = await kernel.execute(
    action="database_query",
    params={"query": "SELECT * FROM users"},
    context=ctx
)

# ✅ Безопасные запросы выполняются
# ❌ "DROP TABLE users" → Заблокировано ядром

Ваш агент теперь имеет детерминированное применение политик. Политики применяются ядром — а не надеждой на то, что LLM выполнит инструкции.

Что такое Agent OS?

Agent OS применяет концепции операционных систем к управлению AI-агентами. Вместо того чтобы полагаться на промпты для обеспечения безопасности («пожалуйста, не делай опасных вещей»), он предоставляет middleware уровня приложения, которое перехватывает и проверяет действия агентов перед выполнением.

Примечание: Это применение на уровне приложения (Python middleware), а не изоляция уровня ядра ОС. Агенты работают в одном процессе. Для истинной изоляции запускайте агентов в контейнерах.

┌─────────────────────────────────────────────────────────┐
│              ПРОСТРАНСТВО ПОЛЬЗОВАТЕЛЯ (Код Агента)     │
│   Код вашего агента работает здесь. Ядро перехватывает  │
│   действия до их выполнения.                            │
├─────────────────────────────────────────────────────────┤
│              ПРОСТРАНСТВО ЯДРА                          │
│   Движок политик │ Flight Recorder │ Диспетчер сигналов │
│   Действия проверяются по политикам перед выполнением   │
└─────────────────────────────────────────────────────────┘

Ключевая идея

Безопасность на основе промптов просит LLM следовать правилам. LLM решает, соблюдать ли их.

Безопасность на основе ядра перехватывает действия до выполнения. Движок политик принимает решение, а не LLM.

Это тот же принцип, который используют операционные системы: приложения запрашивают ресурсы, ядро предоставляет или отказывает в доступе на основе разрешений.

Основные модули

Модуль	Слой	Пакет PyPI	Описание	Статус
`primitives`	1	`agent-primitives`	Базовые типы отказов, уровни серьёзности	✅ Стабильный
`cmvk`	1	`cmvk`	Верификация, обнаружение дрейфа	✅ Стабильный
`emk`	1	`emk`	Эпизодическое ядро памяти (только-добавляемый журнал)	✅ Стабильный
`caas`	1	`caas-core`	Context-as-a-Service, RAG-пайплайн	✅ Стабильный
`amb`	2	`amb-core`	Шина сообщений агента (async pub/sub)	✅ Стабильный
`iatp`	2	`inter-agent-trust-protocol`	Протокол доверия sidecar, типизированные IPC-каналы	✅ Стабильный
`control-plane`	3	`agent-control-plane`	ЯДРО — движок политик, сигналы, VFS	✅ Стабильный
`observability`	3	`agent-os-observability`	Метрики Prometheus + трассировка OpenTelemetry	⚠️ Без тестов
`scak`	4	`scak`	Самокорректирующееся ядро агента	✅ Стабильный
`mcp-kernel-server`	Инт	`mcp-kernel-server`	MCP-сервер для Claude Desktop	⚠️ Без тестов
hypervisor	⭐	`agent-hypervisor`	Рантайм-супервизор — кольца выполнения, совместная ответственность, Saga Orchestrator	✅ 184 теста

⭐ Ключевая функция: Agent Hypervisor

Рантайм-супервизор для многоагентного взаимодействия — аналог «VMware для AI-агентов.»

Подобно тому, как гипервизоры ОС изолируют виртуальные машины и применяют границы ресурсов, Agent Hypervisor изолирует сессии AI-агентов и применяет границы управления с субмиллисекундной задержкой.

Ключевые возможности

Функция	Описание	Задержка
Кольца выполнения	4-уровневая модель привилегий (Ring 0–3) на основе оценки доверия	0.3 мкс
Совместная ответственность	Высокодоверенные агенты ручаются за низкодоверенных с бонусной репутацией	7 мкс
Saga Orchestrator	Многоэтапные транзакции с таймаутом, повторами и автокомпенсацией	151 мкс
Delta Audit	Семантические диффы в цепочке хэшей с привязкой к блокчейну	27 мкс
Полный пайплайн	Сессия + вход + аудит + saga + завершение	268 мкс

Быстрый старт Agent Hypervisor

pip install agent-hypervisor

from hypervisor import Hypervisor, SessionConfig, ConsistencyMode

hv = Hypervisor()

# Создать управляемую многоагентную сессию
session = await hv.create_session(
    config=SessionConfig(consistency_mode=ConsistencyMode.EVENTUAL, max_participants=5),
    creator_did="did:mesh:admin",
)

# Агентам автоматически назначаются привилегированные кольца на основе оценки доверия
ring = await hv.join_session(session.sso.session_id, "did:mesh:agent-alpha", sigma_raw=0.85)
# → Ring 2 (Standard) — может выполнять обратимые действия

# Многоэтапная saga с автоматическим таймаутом и компенсацией
saga = session.saga.create_saga(session.sso.session_id)
step = session.saga.add_step(
    saga.saga_id, "draft_email", "did:mesh:agent-alpha",
    execute_api="/api/draft", undo_api="/api/undo-draft",
    timeout_seconds=30, max_retries=2,
)

# Завершение — возвращает хэш итогов с защитой от подделки
summary_hash = await hv.terminate_session(session.sso.session_id)

Примеры использования

Применение политик с пользовательскими правилами

from agent_os import StatelessKernel

kernel = StatelessKernel()
kernel.load_policy_yaml("""
version: "1.0"
name: api-safety
rules:
  - name: block-destructive-sql
    condition: "action == 'database_query'"
    action: deny
    pattern: "DROP|TRUNCATE|DELETE FROM .* WHERE 1=1"
  - name: rate-limit-api
    condition: "action == 'api_call'"
    limit: "100/hour"
""")

result = await kernel.execute(action="database_query", params={"query": "DROP TABLE users"})
# ❌ Заблокировано: совпадение с правилом 'block-destructive-sql'

Журналирование аудита

from agent_os import KernelSpace

kernel = KernelSpace()

# Каждое действие ядра автоматически записывается
result = await kernel.execute(action="read_file", params={"path": "/data/report.csv"})

# Запрос к flight recorder
entries = kernel.flight_recorder.query(agent_id="agent-001", limit=10)
for entry in entries:
    print(f"{entry.timestamp} | {entry.action} | {entry.outcome}")

Документация

Лицензия

MIT

AgentosAgentOS

Установка