AegisKernel – runtime de confiance zéro pour agents IA avec interception d'appels en 0,016 ms
Sommaire
En bref
- AegisKernel est un runtime POSIX qui impose des limites de capacité strictes et déterministes aux agents IA avant l'exécution des outils, prétendument en moins de 0,016 ms.
- Le projet affirme bloquer les injections indirectes, les accès non autorisés aux fichiers, et les commandes destructrices via une politique de frontière de processus rigide.
- Intégration proposée via une API Python pour des frameworks comme CrewAI et LangChain.
Ce que dit la source
L'auteur critique les filtres LLM secondaires existants (Secondary LLM filters), qu'il présente comme latents (800 ms) et inefficaces contre les injections indirectes. AegisKernel propose de remplacer ce modèle par une application stricte des capacités à bas niveau, avant que le code agent n'exécute un outil.
- Enforcement au niveau système : les appels système non autorisés (execve, openat) sont bloqués avant exécution, sans dépendre d'une boucle de vérification LLM secondaire.
- Latence annoncée : <0,016 ms pour l'évaluation de la politique, soit trois ordres de grandeur inférieur aux 800 ms cités pour les approches concurrentes.
- Scénarios de test présentés : lecture de fichier autorisée (cat ./data/report.json), traversée de répertoires bloquée (cat ../../.env), commandes destructrices refusées (rm -rf /), shell inversé interdit.
- Périmètre de fichiers : défini statiquement au démarrage (allowed_paths=["./data", "./output"]) plutôt que décidé dynamiquement par l'agent.
- Disponibilité : paquet PyPI, intégration directe proposée pour CrewAI et LangChain via décorateur @shield.protect_tool.
Dans les commentaires
Très peu de débat substantiel. Les deux commentaires disponibles restent critiques : l'un soupçonne une surexposition des capacités réelles du système par rapport au code en ligne, l'autre juge la présentation « risible » et pointe l'inactivité récente (dernier commit il y a 3 semaines) et une conception apparemment naïve.
- Un commentateur conteste directement l'alignement entre les promesses du landing et la réalité du code dans la branche principale du dépôt, sans détailler les écarts. Le second critique la conception globale comme « naïve » (sans expliquer les failles identifiées) et la page de présentation comme inefficace, tout en notant l'inactivité du projet.
Notre lecture
Le concept d'une limite de capacité déterministe et bas-latence pour les agents IA a du mérite, mais ce projet est à ce stade trop mal documenté et trop peu mature pour permettre un jugement solide. La rareté des commentaires HN et leur ton critique suggère que l'implémentation n'a pas convaincue au-delà du pitch. Pour une organisation considérant cette approche, deux vérifications préalables s'imposent : (1) confirmer sur le dépôt que le code implémente bien l'interception au niveau des appels système (et non une simple validation post-exécution), (2) évaluer la couverture réelle des injections indirectes, qui restent très variées en contexte d'agents LLM. À surveiller, mais pas de recommandation d'adoption immédiate.