Conduct：面向 AI Agent 的运行时治理与合规审计控制平面

sseshachala/conductai · Runtime governance for AI agents. Allow, warn, or block every model and tool call before it commits. Hash-chained audit for every decision. Compliance packs for SOC 2, HIPAA, PCI DSS, EU AI Act, SR 11-7, and FDA CSA. Apache 2.0.

GitHub原文发布未知首次收录 2026-09-29上架 2026-09-29 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

Conduct 是一个面向 AI Agent 的运行时治理控制平面，在每次 LLM 调用、shell 工具和 MCP 调用提交前决定允许、警告、审计或拦截，并提供 SHA-256 哈希链审计与面向 SOC 2、HIPAA、PCI DSS、EU AI Act 等的合规包。项目包含策略引擎 Guard、LLM 代理 Router 和聊天界面 Lens，提供自托管 Docker Compose 部署方式和 CLI 工具。

# 运行时安全 # 合规治理 # 智能体安全 # mcp-control-plane # policy-gated-execution

核心能力与快速开始

★ 32 · Python

能做什么: 提供策略引擎 Guard，对每次 LLM 调用、shell 工具和 MCP 调用执行 block / warn / audit / inject 决策，且在动作执行前生效；提供 Router LLM 代理，支持 Anthropic、OpenAI、Perplexity 等 SDK 经统一端点接入并经过 Guard 检查；提供 Lens 聊天界面，基于工作区审计数据回答治理、合规与成本问题；内置 15 个合规包（OWASP、SOC 2 CC7.3、HIPAA §164.312、PCI DSS 4.0、EU AI Act Art. 15/16、NIST AI RMF、ISO 42001 等）和 35 个预构建 playbook（YAML 编写）；采用工作区签名配置与 SHA-256 哈希链审计，默认 fail-closed；提供来自 CLI hook、MCP 层和 Router 三个执行面的覆盖。
适用场景: 需要在 AI Agent 提交动作前做策略拦截与审计的工程团队；对 Claude Code、Cursor、Copilot、Codex 等编码代理调用进行统一治理；通过 Router 统一接入多种 LLM 供应商并执行预算与策略控制；为 SOC 2、HIPAA、PCI DSS、EU AI Act 等合规场景准备可验证的审计证据链；使用预构建 playbook 实现 issue-to-PR、代码审查、事故响应、生产部署门禁等自动化流程。
项目形态: 可直接使用的工具
部署方式: 支持 Docker Compose 自托管（API localhost:8000，Canvas UI localhost:3000）；提供 Kubernetes 自托管模板（见 issue #1149）；也提供 conductai.ai 托管版本，含免费 Discovery 只读模式与付费层级。
主要依赖: 未说明具体硬件与运行资源要求；CLI 以 pip 安装 conduct-cli；自托管依赖 Docker Compose 或 Kubernetes；托管免费层每日请求数等限制未在材料中完整说明。
使用限制: 免费托管层与试用有请求额度限制（如试用 200 请求/天、Discovery 14 天只读），完整执行与哈希链验证 API 需付费层；托管控制平面为商业产品，商标权利不随 Apache 2.0 授权；具体成本、SLA 与硬件需求未说明。
许可证: Apache-2.0
最近推送: 2026-09-29 06:43

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-29 07:00 · 卡片整理：2026-09-29 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

在开发 AI Agent 或使用 Claude Code、Cursor、Copilot、Codex 等编码工具时，通过 Guard 在每次 LLM 调用、shell 工具和 MCP 调用提交前执行策略，决定允许、警告、审计或拦截，并生成 SHA-256 哈希链审计记录，用于代码审查、排错和合规审计。

查看内容依据

Conduct 是一个面向 AI Agent 的运行时治理控制平面，在每次 LLM 调用、shell 工具和 MCP 调用提交前决定允许、警告、审计或拦截，并提供 SHA-256 哈希链审计与面向 SOC 2、HIPAA、PCI DSS、EU AI Act 等的合规包。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

ellmos ControlCenter MCP：面向本地 MCP 服务器的策略管控平面与审计网关

ellmos ControlCenter MCP 是一个基于 Model Context Protocol 的本地 MCP 管理服务器与策略受限网关。它可以发现本地 MCP 服务器、读取 MCP profile 文件、把服务器组织为能力包（capability bundles）、按任务推荐 profile、构建目录、从本地仓库或 profile 探测真实 MCP 工具列表，并提供主机级注册表镜像（锁、权限、资源、治理）以及可选的本地仪表盘。其网关模块允许智能体列出并调用宿主尚未加载的后端 MCP 工具，调用受 pattern 策略规则、参数审计与密钥擦除约束；管理与发现为本地优先，无遥测或后台外联。

OpenShell：面向自主 AI 智能体的安全隔离运行时

OpenShell 是 NVIDIA 推出的自主 AI 智能体安全、私密的运行时环境。它让智能体可以读取文件、安装软件包、调用 API 和使用凭据，同时通过策略声明与内核级强制执行限制其对数据、密钥和网络的访问：每个智能体运行在隔离沙箱中，文件访问、系统调用和网络连接都受策略约束，凭据仅在请求发往获批端点时注入；策略变更在应用前会经过形式化验证以标记有风险的新增访问。项目提供 CLI、网关、沙箱、策略与凭据提供者等组件，并附带 Python、TypeScript、Go、Rust SDK，支持通过 Helm 在 Kubernetes 上部署网关。

AgentEval：面向受监管行业的 AI Agent 需求驱动验证与合规评估平台

AgentEval 是一个开源的智能体验证平台，可将产品需求文档（PRD）与智能体 URL 转化为冻结的测试套件，并通过 HTTP 以黑盒方式运行测试，给出带有证据支撑的 PASS / FAIL / UNVERIFIABLE 判定。它提供 Web 控制台、REST API 与 SQLite 持久化，强调需求可追溯、稳定需求 ID、测试套件同步与领域包扩展机制，定位于金融科技、保险、医疗等受监管行业中需要合规证明而非单纯看板的团队。

SecLab Taskflow Agent：声明式 YAML 驱动的多智能体安全工作流框架

GitHub Security Lab 推出的 MCP 多智能体框架，通过 GitHub Workflow 风格的 YAML 语法声明式定义智能体工作流，无需编写代码即可用 CLI 编排多个 Agent 与工具协作完成任务。基于 OpenAI Agents SDK 构建，使用 Pydantic 做语法校验、Jinja2 做模板渲染；智能体由 personalities 定义、接收 taskflow 任务、调用 toolbox 中的工具。支持 Chat Completions 与 Responses 两种 OpenAI API，可切换 openai_agents、copilot_sdk、anthropic_sdk 三种后端，支持 stdio/SSE/streamable HTTP 的 MCP 连接、任务级检查点与断点续跑、运行清单输出、离线 lint 与 JSON Schema 导出。主要面向智能体安全研究、漏洞排查、代码审计、CodeQL 辅助代码审查与代码扫描告警分诊，也可跨多个模型跑同一提示词并让裁判任务择优，用于模型对比评测。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。