DeepKeep agrega salvaguardas en tiempo de ejecución para agentes de codificación de IA con AI Lens para desarrolladores

DeepKeep ha introducido AI Lens for Developers, una capa de seguridad diseñada para proporcionar a los CISOs visibilidad y control de políticas sobre los agentes de codificación de IA que operan en las máquinas de los desarrolladores. El producto amplía las capacidades existentes de control de uso de IA y protección en tiempo de ejecución de DeepKeep a herramientas como Cursor y Claude Code, con soporte para GitHub Copilot, OpenAI Codex, Lovable, Windsurf y se planifican agentes de codificación adicionales.

El lanzamiento aborda un problema de seguridad creado por la creciente autonomía de las herramientas de desarrollo. Los agentes de codificación modernos pueden inspeccionar y modificar archivos locales, ejecutar comandos de shell e invocar servicios externos a través del Model Context Protocol (MCP). Esos permisos hacen que las herramientas sean útiles, pero también permiten que un agente exponga credenciales, modifique código sensible o interactúe con sistemas fuera de los controles que los equipos de seguridad tradicionalmente aplican a las aplicaciones en la nube.

El resultado es una creciente brecha de visibilidad. Una empresa puede aprobar un asistente de codificación como producto mientras tiene poca evidencia de lo que un agente individual hizo durante una sesión específica. Como exploró recientemente Unite.AI, los equipos de seguridad necesitan cada vez más rastrear las llamadas a herramientas de agentes, la ejecución de comandos y los eventos que cambian el sistema, no simplemente mantener una lista de servicios de IA aprobados.

Inspección de acciones de agentes antes y después de la ejecución

AI Lens for Developers está construido como un complemento ligero en lugar de un agente de punto final completo. DeepKeep afirma que se integra en el flujo de trabajo del agente de codificación para inspeccionar indicaciones, lecturas de archivos, comandos de shell y llamadas a herramientas MCP antes y después de su ejecución. Cada actividad puede ser canalizada a través del sistema de políticas de la empresa para una decisión de permitir, bloquear o auditar.

La distinción entre la monitorización previa y posterior a la ejecución es importante. Un registro de auditoría puede explicar por qué ocurrió un incidente, pero no puede evitar un comando destructivo ni impedir que un secreto salga del entorno del desarrollador. DeepKeep está posicionando AI Lens tanto como un control preventivo como una fuente de evidencia para la respuesta a incidentes y el cumplimiento.

El producto puede marcar credenciales, tokens de acceso y contraseñas incluidos en las indicaciones o archivos adjuntos. También examina el código generado por el agente en busca de patrones inseguros, como funciones que omiten la autenticación. Los comandos considerados destructivos pueden retenerse para aprobación humana, mientras que los administradores pueden crear reglas personalizadas de frases clave para identificar referencias a repositorios sensibles, secciones de código o proyectos internos.

DeepKeep afirma que cada sesión genera un registro de auditoría detallado que puede incluir el ID del dispositivo, el contenido de la indicación y el ID de usuario. Eso brinda a los equipos de seguridad una forma de reconstruir la actividad de un agente incluso si un desarrollador modifica una solicitud bloqueada y la vuelve a intentar.

Política central para IA orientada a desarrolladores

Los administradores gestionan reglas a través del Policy Hub de DeepKeep. Las políticas pueden aplicarse por rol o en toda la organización y pueden abarcar categorías que incluyen información de identificación personal, credenciales y comandos destructivos. El enfoque está pensado para que las empresas establezcan una postura de seguridad coherente mientras permiten que los equipos de ingeniería continúen utilizando flujos de trabajo de desarrollo con agentes.

El enfoque del producto en MCP es especialmente oportuno. El protocolo brinda a las aplicaciones de IA una forma estándar de conectarse con herramientas y datos empresariales, pero cada servidor y acción invocable pueden ampliar la superficie de ataque alcanzable por un agente. La guía del Model Context Protocol de Unite.AI señala que los hosts y servidores MCP forman límites de seguridad distintos, incluida la exposición a inyección de indicaciones y salida de herramientas no confiables. Por lo tanto, monitorear solo el modelo es insuficiente cuando el modelo puede actuar a través de otros sistemas.

Ofer Rotberg, vicepresidente de producto de DeepKeep, sostiene que los agentes de codificación heredan un acceso al desarrollador inusualmente poderoso mientras actúan con creciente autonomía. Desde su perspectiva, los CISOs necesitan visibilidad continua del comportamiento de los agentes y la capacidad de detener acciones nocivas en tiempo real en lugar de esperar a investigar el siguiente incidente.

Parte de una plataforma de seguridad de IA más amplia

AI Lens for Developers se encuentra dentro de la plataforma de seguridad de IA más amplia de DeepKeep. La empresa también ofrece un AI Firewall, pruebas de penetración de IA automatizadas y guiadas por humanos, controles de uso de IA, escaneo de agentes y escaneo de modelos. DeepKeep afirma que sus controles pueden aplicarse a lo largo del ciclo de vida de la IA, desde el desarrollo y pruebas hasta el uso en producción de aplicaciones y agentes.

La empresa se fundó en 2021 y describe su plataforma como agnóstica a los modelos, con soporte para despliegues en entornos SaaS, nube privada, on-premises y aislados. Su propuesta más amplia es que las empresas necesitan un lenguaje de políticas común para modelos, aplicaciones, empleados y agentes autónomos, en lugar de controles separados para cada herramienta de IA.

Para los CISOs, los agentes orientados a desarrolladores se están convirtiendo en una prueba urgente de esa idea. La seguridad tradicional de aplicaciones se centra en gran medida en el código que llega a producción. Los agentes de codificación añaden otra capa de riesgo: el proceso que lee el repositorio, crea el código y ejecuta comandos puede ser autónomo. Productos como AI Lens intentan hacer que ese proceso sea observable y aplicable sin eliminar los beneficios de velocidad que llevaron a los desarrolladores a adoptar agentes en primer lugar.