DeepKeep adiciona proteções em tempo de execução para agentes de codificação de IA com AI Lens para desenvolvedores

DeepKeep introduziu o AI Lens para Desenvolvedores, uma camada de segurança projetada para dar aos CISOs visibilidade e controle de políticas sobre agentes de codificação de IA que operam nas máquinas dos desenvolvedores. O produto estende os recursos existentes de controle de uso de IA e proteção em tempo de execução da DeepKeep para ferramentas como Cursor e Claude Code, com suporte para GitHub Copilot, OpenAI Codex, Lovable, Windsurf e outros agentes de codificação planejados.

O lançamento aborda um problema de segurança criado pela crescente autonomia das ferramentas de desenvolvimento. Agentes de codificação modernos podem inspecionar e modificar arquivos locais, executar comandos de shell e invocar serviços externos por meio do Model Context Protocol (MCP). Essas permissões tornam as ferramentas úteis, mas também permitem que um agente exponha credenciais, altere código sensível ou interaja com sistemas fora dos controles que as equipes de segurança tradicionalmente aplicam a aplicativos em nuvem.

O resultado é uma lacuna de visibilidade crescente. Uma empresa pode aprovar um assistente de codificação como produto enquanto tem poucas evidências do que um agente individual fez durante uma sessão específica. Como a Unite.AI explorou recentemente, as equipes de segurança precisam cada vez mais rastrear chamadas de ferramentas de agentes, execuções de comandos e eventos que alteram o sistema, não apenas manter uma lista de serviços de IA aprovados.

Inspecionando ações do agente antes e depois da execução

O AI Lens para Desenvolvedores foi criado como um plug‑in leve, em vez de um agente de endpoint completo. A DeepKeep afirma que ele se integra ao fluxo de trabalho do agente de codificação para inspecionar prompts, leituras de arquivos, comandos de shell e chamadas de ferramentas MCP antes e depois de sua execução. Cada atividade pode ser encaminhada ao sistema de políticas da empresa para uma decisão de permitir, bloquear ou auditar.

A distinção entre monitoramento pré‑execução e pós‑execução é importante. Um registro de auditoria pode explicar por que um incidente ocorreu, mas não pode impedir um comando destrutivo ou impedir que um segredo saia do ambiente do desenvolvedor. A DeepKeep está posicionando o AI Lens tanto como um controle preventivo quanto como uma fonte de evidências para resposta a incidentes e conformidade.

O produto pode sinalizar credenciais, tokens de acesso e senhas incluídos em prompts ou arquivos anexados. Também examina o código gerado pelo agente em busca de padrões inseguros, como funções que omitem autenticação. Comandos considerados destrutivos podem ser retidos para aprovação humana, enquanto administradores podem criar regras personalizadas de frases‑chave para identificar referências a repositórios sensíveis, trechos de código ou projetos internos.

A DeepKeep afirma que cada sessão gera um registro de auditoria detalhado que pode incluir o ID do dispositivo, o conteúdo do prompt e o ID do usuário. Isso oferece às equipes de segurança uma forma de reconstruir a atividade de um agente mesmo que um desenvolvedor modifique uma solicitação bloqueada e a tente novamente.

Política central para IA voltada ao desenvolvedor

Os administradores gerenciam regras por meio do Policy Hub da DeepKeep. As políticas podem ser aplicadas por função ou em toda a organização e podem abranger categorias como informações de identificação pessoal, credenciais e comandos destrutivos. A abordagem pretende permitir que as empresas estabeleçam uma postura de segurança consistente, ao mesmo tempo que permitem que as equipes de engenharia continuem usando fluxos de trabalho de desenvolvimento baseados em agentes.

O foco do produto no MCP é particularmente oportuno. O protocolo fornece às aplicações de IA uma forma padrão de conectar‑se a ferramentas e dados corporativos, mas cada servidor e ação invocável pode expandir a superfície de ataque alcançável por um agente. O guia do Model Context Protocol da Unite.AI observa que hosts e servidores MCP formam limites de segurança distintos, incluindo exposição a injeção de prompts e saída de ferramentas não confiáveis. Monitorar apenas o modelo, portanto, é insuficiente quando o modelo pode agir por meio de outros sistemas.

Ofer Rotberg, vice‑presidente de produto da DeepKeep, argumenta que os agentes de codificação herdam um acesso ao desenvolvedor incomumente poderoso enquanto atuam com autonomia crescente. Na sua perspectiva, os CISOs precisam de visibilidade contínua sobre o comportamento dos agentes e da capacidade de interromper ações nocivas em tempo real, em vez de esperar para investigar o próximo incidente.

Parte de uma plataforma de segurança de IA mais ampla

O AI Lens para Desenvolvedores está inserido na plataforma de segurança de IA mais ampla da DeepKeep. A empresa também oferece um AI Firewall, red teaming de IA automatizado e guiado por humanos, controles de uso de IA, varredura de agentes e varredura de modelos. A DeepKeep afirma que seus controles podem ser aplicados em todo o ciclo de vida da IA, desde o desenvolvimento e teste até o uso em produção de aplicativos e agentes.

A empresa foi fundada em 2021 e descreve sua plataforma como agnóstica a modelos, com suporte para implantação em ambientes SaaS, nuvem privada, on‑premises e isolados. Seu argumento mais amplo é que as empresas precisam de uma linguagem de políticas comum para modelos, aplicativos, funcionários e agentes autônomos, em vez de controles separados para cada ferramenta de IA.

Para os CISOs, os agentes voltados ao desenvolvedor estão se tornando um teste urgente dessa ideia. A segurança tradicional de aplicativos foca intensamente no código que chega à produção. Os agentes de codificação adicionam outra camada de risco: o processo que lê o repositório, cria o código e executa comandos pode ser autônomo. Produtos como o AI Lens estão tentando tornar esse processo observável e aplicável sem eliminar os ganhos de velocidade que levaram os desenvolvedores a adotar agentes inicialmente.