Agent 策略工具实测接通 Claude Code 和 Codex
agentpolicy v0.1.0 已发布到 PyPI,通过本地 Cedar 策略对 Agent 动作做放行、拒绝、询问、限流或脱敏决策。四种 CLI 中,Claude Code 和 Codex 完成了实机验证,Cursor 和 Gemini 未纳入本次发布的支持范围。
AI 深度解读
给 AI 编程工具接上权限策略,配置能读、命令能跑,只验证了其中几步。agentpolicy v0.1.0 的 Tier-1 实测原本覆盖 Claude Code、Codex、Gemini 和 Cursor,最终只有前两个完成了有证据可查的现场集成。
最有参考价值的是两种通过方式。Claude Code 验证了工具调用前的 Hook,Codex 验证了沙箱阻止操作后的行为,再用同一策略引擎做执行前的判定对照。写接入测试时,可以先用这个区别想清楚,自己究竟要证明哪一层生效。
怎么证明权限策略真的生效了
agentpolicy 是一个本地优先、基于 Cedar 的策略判定点,随包提供规则集。它对 Agent 的动作给出 allow、deny、ask、rate-limit 或 redact,分别对应放行、拒绝、请求确认、限流和脱敏。v0.1.0 已发布到 PyPI,安装命令是 pip install agentsec-agentpolicy。
策略引擎能给出判定,CLI 还得有地方接住判定。作者给现场用例定的标准是走实际测试脚本,并留下判定结果、断言、会话记录、审计轨迹和捕获的 LLM 请求与响应。几份证据各管一段。模型流量能确认 CLI 确实连到了预期服务,审计日志能说明规则有没有参与决策,文件系统断言则能确认被拦截的写入有没有留下副作用。
Claude Code 和 Codex 各自证明了什么
Claude Code 的入口是 scripts/fieldtest/t1_claude.sh,由 t1_evaluate.py 接收 Hook 调用,读取共享策略 t1_policy.yaml。作者先探测本地服务,确认 /v1/messages 能返回 msg_* 格式的响应。第一轮看起来跑通了,审计日志却是空的。无界面模式下,工作目录里的设置没有按作者预期加载,显式传入 --settings 后 Hook 才触发。Claude Code 又跑在独立的 Node 进程里,Python 进程内的 httpx Hook 看不到那部分流量,作者于是用 t1_proxy.py 在进程外抓取请求。
最终,读操作成功执行,生产写入进入升级处理且没有生成副作用文件,破坏性命令被拒绝。审计记录覆盖了这三次决策,代理共捕获六组请求与响应。
Codex 走的是 scripts/fieldtest/t1_codex.sh。作者实测的 CLI 接入使用 OpenAI Responses API,本地服务正好原生提供 /v1/responses。测试里,供应商配置的 base_url 少了 /v1 就会收到 404,codex exec 还会等标准输入,导致脚本一直挂住。原文把重定向写成 </dev/null>,在 shell 里实际应写 </dev/null,让命令从空设备读取标准输入。
无界面的 Codex 缺少 Claude Code 那种能在单次调用前暂停并等待审批的 Hook。作者验证的是允许的动作确实执行,破坏性命令被沙箱挡住后 Codex 重新规划,目标目录保持完整。同时,测试在执行前用同一套进程内策略引擎做判定对照,留下了审计记录。这两份证据分别回答了「规则会怎么判」和「运行时实际拦住了什么」。
为什么 Gemini 和 Cursor 留在发布范围之外
Gemini 安装成功,gemini gemma setup 也启动了本地服务。问题出在 CLI 主循环。作者查看打包源码后发现,本地 Gemma 路由只做分类,而且 CLI 在走到模型路由前就会碰到 OAuth 层级门槛。替代测试跑通了策略判定对照,Gemini 的本地主循环仍没有现场通过记录。
Cursor 卡在测试入口。作者在这台机器上找不到受支持的无界面方式来走 permissions.json 流程,因此没有可以重复运行并采集证据的现场用例。发布范围最终只纳入了 Claude Code 和 Codex。
我的判断
我认同作者按可观察的行为来写支持范围。只断言策略函数返回 deny,适合验证规则逻辑,工作目录的配置有没有载入、Hook 有没有收到事件,仍得让真实 CLI 跑一遍。反过来,单看目录完整也很难定位是哪一层拦住的,审计日志能补上这段信息。
原文给的是单机实测和排障经验,没有给出各 CLI 的完整版本矩阵,也没有提供统一测试形态下的对照数据。Claude Code 的结果能支撑这里演示的三条路径,Codex 的结果能支撑已验证的沙箱行为和策略对照。逐次审批、限流以及脱敏在这些 CLI 上的实际表现,仍要看对应的现场用例。
能拿来做什么
- 给 Node 项目里的 AI 编程流程加权限测试时,可以在临时目录布置读、写和拒绝三个用例,同时检查策略审计和文件是否实际生成。
- 在 CI 里跑
codex exec时,把标准输入和供应商地址显式写进脚本。遇到挂起先检查 stdin,收到 404 就核对base_url的/v1后缀和服务是否提供/v1/responses。 - 接入新 CLI 时,把「规则怎么判」和「运行时怎么处理」写成两条独立断言。团队如果需要逐次人工审批,再单独验证调用能否暂停并等待决定。