Asymptote Labs rejser 5,5 mio. dollar i seedkapital til overvågning og styring af AI-agenter i virksomheder

AI-agenter er på vej videre fra at generere forslag til at redigere filer, køre kommandoer og arbejde med tilknyttede forretningsværktøjer. For sikkerhedsteams bliver det derfor i stigende grad et operationelt spørgsmål: Hvad gjorde en agent egentlig, på hvis myndighed, og kan den næste risikable handling stoppes? Asymptote Labs bygger infrastruktur til at håndtere dette problem og har annonceret en overtegnet seedrunde på 5,5 millioner dollar.

Finansieringen ledes af Tower Research Ventures, Tower Research Capitals venturearm, med deltagelse fra Lytical Ventures, 1984 Ventures og South Park Commons. Asymptote oplyser, at kapitalen skal gå til ingeniørarbejde, produktudvikling, ansættelser og udvidelse af markedsintroduktionen.

Virksomhedens tilgang kombinerer Beacon, et open source-lag til registrering af agentaktivitet, med en virksomhedsplatform til detektion, håndtering og styring. Forskellen er vigtig: At indsamle en registrering af en handling og at håndhæve en beslutning, før handlingen udføres, er to forskellige funktioner. En troværdig sikkerhedsarkitektur skal tydeliggøre, hvilken komponent der varetager hver opgave.

En fælles registrering på tværs af forskellige agentværktøjer

Ifølge virksomheden indsamler Beacon aktivitetsdata fra Claude Code, Codex, Cursor og mere end 20 andre agentmiljøer. Et agentmiljø er det softwaremiljø, der forbinder en model med værktøjer, instruktioner og en arbejdssession. Forskellige agentmiljøer viser forskellige oplysninger, hvilket gør det vanskeligt at undersøge aktiviteter på ensartet vis på tværs af de værktøjer, en virksomhed har valgt.

Asymptote beskriver Beacon som et telemetrilag med MIT-licens, der normaliserer disse registreringer i en fælles datamodel for kørselstid, som udvider OpenTelemetry. Det giver sikkerheds- og ingeniørteams en fælles struktur til at undersøge aktiviteter i stedet for at skulle fortolke hvert værktøjs historik separat.

Beacon-arkivet giver nyttig indsigt i implementeringen. Det beskriver afspilning af sessioner, der omfatter prompts, svar, værktøjsbrug, kommandoer, redigeringer, godkendelser og tokenoplysninger, samt lokalt lagrede JSONL-registreringer og tydeligt angivne destinationer. Det beskriver også, hvordan gennemgået viden kan føres videre via MCP eller Agent Skills.

Den praktiske værdi af normalisering er korrelation. En undersøgelse kan kræve, at en brugerforespørgsel kædes sammen med en kommando, en filændring og en godkendelse. Et afsluttende svar alene kan ikke forklare dette forløb. En fælles hændelsesstruktur kan gøre forløbet lettere at gennemgå, selvom registreringens fuldstændighed stadig afhænger af, hvad en bestemt integration indsamler.

Her kommer virksomhedsstyringen ind i billedet

Asymptotes virksomhedsplatform bygger videre på Beacon med detektion og håndtering i køretid. Virksomheden oplyser, at platformen kan gribe ind i agentaktivitet i realtid og anvende politikbaserede sikkerhedsforanstaltninger på prompt- og værktøjsniveau for at identificere risici som datalækage, insidertrusler og problemer i AI-forsyningskæden.

Virksomhedens websted tydeliggør opdelingen mellem produkterne. Open source-produktet Beacon leverer portabel telemetri, som kunderne kan sende videre til deres eksisterende sikkerhedssystemer. Den administrerede løsning Asymptote tilføjer indlæsning, opbevaring, søgning, detektion, identitetskortlægning, politikbaserede kontrolpunkter, godkendelser og arbejdsgange for styring. Private implementeringer er også en del af det oplyste tilbud.

Denne opdeling er vigtig, når man vurderer en udrulning. Registrering af et værktøjskald efter udførelsen hjælper med undersøgelser; at forhindre det kræver et kontrolpunkt i udførelsesforløbet. Købere bør fastslå, hvilke handlinger der kan afbrydes, hvilke der først observeres efterfølgende, og hvordan håndhævelsen fungerer, når en tjeneste ikke er tilgængelig. Finansieringsmeddelelsen offentliggør ikke en dækningsoversigt eller en benchmark for præcisionen af blokeringer.

Det er centrale spørgsmål inden for styring af AI-agenter i virksomheder. En politik, der er skrevet ind i en models instruktioner, er ikke det samme som en politik, der håndhæves af infrastruktur uden for modellen. Den nyttige test er, om en agent kan gennemføre en uautoriseret handling trods den tilsigtede begrænsning.

Telemetri kan også bevare nyttig viden om ingeniørarbejde

Beacons fokus rækker ud over sikkerhed. Den offentlige projektbeskrivelse forklarer, hvordan sessionshistorik kan bruges til at identificere nyttige arbejdsgange, rettelser, fejlfindingsmønstre og konventioner i et kodelager, så de kan genbruges i senere sessioner. I stedet for at kassere en løst problemstilling, når en samtale slutter, er målet at gøre gennemgået viden tilgængelig for en fremtidig agent.

Det giver endnu en grund til at indsamle aktiviteter ensartet på tværs af værktøjer. En arbejdsgang, der er blevet opdaget i ét agentmiljø, kan være nyttig for et team, der bruger et andet. At bevare et vellykket forløb betyder dog ikke, at det er sikkert at gentage det uændret. Adgangsoplysninger, afhængigheder, tilladelser og forretningskrav kan ændre sig fra session til session.

De samme registreringer, der hjælper med at diagnosticere fejl, kan indeholde følsomme prompts, kildekode eller værktøjsoutput. En implementering rejser derfor velkendte spørgsmål om informationshåndtering: Hvor sendes registreringerne hen, hvor længe opbevares de, hvem kan hente dem, og hvordan håndteres følsomt indhold? Ejerskab over telemetri er værdifuldt, men fjerner ikke behovet for at styre adgangen til den.

Grundlæggere med erfaring inden for detektionsinfrastruktur

Asymptote blev stiftet af Justin D’Souza, administrerende direktør, og Shukan Shah, teknologidirektør. De arbejdede begge tidligere hos Doppel, der beskæftiger sig med forsvar mod social engineering. På virksomhedens om os-side beskrives D’Souzas arbejde med at opskalere infrastruktur til maskinlæring og Shahs arbejde med automatisering af sikkerhedsoperationer og agentbaseret trusselsjagt.

Ifølge meddelelsen voksede antallet af stjerner på Beacon-projektets GitHub-side med mere end 460 % i september, og projektet nåede op på 3.-pladsen blandt GitHubs globalt populære repositories. Det er tegn på udbredelse, som virksomheden selv har rapporteret, og ikke dokumentation for detektionseffektivitet eller tilbagevendende omsætning. Asymptote oplyser også, at sikkerhedsteams bruger Beacon og virksomhedens platform til erhvervskunder i produktion, uden at oplyse antallet af kunder eller kontraktværdier.

Tower Research Ventures oplyser, at interessen begyndte med den store udbredelse af Beacon som open source-projekt, og at Towers sikkerhedsafdeling afprøver teknologien på sine egne slutpunkter. En afprøvning i en investors organisation bør skelnes fra en offentliggjort kommerciel implementering hos en kunde.

Den næste prøve bliver dækning og nyttig indgriben

Seed-runden understøtter en bredere tese: Når organisationer tager flere agenter i brug, bliver registreringer fra kørslen nødvendige for sikkerhed, driftssikkerhed inden for teknik, platformstilsyn og omkostningsanalyse. Et fælles datalag kan gøre det muligt for disse teams at undersøge den samme aktivitet med forskellige formål.

Prøven for Asymptote bliver, om dette fælles overblik er tilstrækkeligt fuldstændigt og aktuelt til at understøtte handling. Sikkerhedsteams får brug for nyttige detektioner med et håndterbart antal falske positiver, mens ingeniører får brug for registreringer, der forklarer fejl uden at medføre en uforholdsmæssig stor indsamlingsbyrde. Finansieringen giver virksomheden ressourcer til at forfølge disse mål; dens langsigtede værdi afhænger af, hvad virksomheder pålideligt kan observere, undersøge og kontrollere.