不用大模型做安全决策 这款小工具想让AI“只读不写”

大多数安全工具都在承诺一件事：检测更多、分析更多、自动化更多。Agentix Lite 走的是另一条路——它先问自己一个问题：保护服务器的系统，能不能不要变成服务器还得扛住的又一个负担？

这个项目的定位很小：一个确定性的 Linux 主机安全工具。它监控选定的活动，包括可疑网络行为、SSH 活动、蜜罐交互和行为模式，维护本地状态，并能通过 nftables 与 Linux 防火墙控制集成。

关键点在于，它做核心安全决策不需要大模型。同样的输入，同样的规则，同样的决定。这套逻辑对熬夜排障的人来说不陌生：可预测，比聪明更值钱。

Agentix Lite 对自身的工作负载和遥测数据同样设限。在压力之下，部分观测数据或防火墙请求可能被丢弃，而不是让内部任务无边界地膨胀。

这是一笔取舍，不是魔法。丢弃遥测意味着可能丢失证据；资源占用有边界，也不等于系统自动就安全了。项目方自己把这两句话摆在了明面上。

Agentix Lite v0.8.0 包含两种 MCP 集成方式。两者都只暴露只读工具，兼容的 AI 智能体可以查看选定的安全信息，但不能通过 MCP 接口直接修改防火墙规则、改动配置或执行 shell 命令。

自动执行默认关闭，走的是 Shadow Mode（影子模式）。目标很直白：让智能体观察安全系统，而不是顺手把控制这套系统的钥匙交出去。

这个边界为什么值得单独拎出来说？因为 AI 智能体正在拿到工具、API、终端和基础设施的访问权限。观察系统和改变系统之间的那条线，正变得越来越重要。已有基础设施项目在探索基于 MCP 的监控与排障，说明这类问题是真实存在的——但这并不证明 Agentix Lite 本身就有需求。

Agentix Lite 仍是一个需要真实部署证据的项目。自动化测试通过有用，但说明不了它在公网 Linux 服务器、真实流量下表现如何。

所以项目方把问题直接抛给了真正跑服务器、做 AI 智能体、干安全这行的人：

你会不会用一个小型、本地优先、给 AI 智能体配只读接口的安全守卫？你希望它是独立的 Linux 安全工具，还是智能体的一个 MCP 组件，还是两者都不要？在把它放到真实服务器上之前，你需要看到什么才肯信它？

项目方明确表示，想听诚实的回答，包括这套思路为什么没用。对一个还在找部署证据的项目来说，这种问法本身比任何功能列表都更能说明它现在站在哪。

责任编辑：李斌

文章来源：http://www.anfangnews.com/2026/1102/17339.shtml