DeepKeep добавляет средства контроля выполнения для AI‑агентов программирования с AI Lens for Developers

DeepKeep представила AI Lens for Developers, слой безопасности, предназначенный для предоставления CISO видимости и контроля политик над AI‑агентами программирования, работающими на машинах разработчиков. Продукт расширяет существующие возможности DeepKeep по контролю использования AI и защите во время выполнения для таких инструментов, как Cursor и Claude Code, с поддержкой GitHub Copilot, OpenAI Codex, Lovable, Windsurf и планируемыми дополнительными агентами программирования.

Запуск решает проблему безопасности, возникшую из‑за растущей автономии инструментов разработчиков. Современные агенты программирования могут просматривать и изменять локальные файлы, выполнять команды оболочки и вызывать внешние сервисы через Model Context Protocol (MCP). Эти разрешения делают инструменты полезными, но также позволяют агенту раскрывать учётные данные, изменять конфиденциальный код или взаимодействовать с системами за пределами контролей, которые команды безопасности традиционно применяют к облачным приложениям.

Результатом является расширяющийся разрыв в видимости. Компания может одобрить помощника программирования как продукт, имея лишь небольшие доказательства того, что конкретный агент делал в течение отдельной сессии. Как недавно отметил Unite.AI, командам безопасности всё чаще необходимо отслеживать вызовы инструментов агентами, выполнение команд и события, изменяющие систему, а не просто поддерживать список одобренных AI‑сервисов.

Проверка действий агента до и после выполнения

AI Lens for Developers построен как лёгкий плагин, а не как полноценный агент конечной точки. DeepKeep сообщает, что он интегрируется в рабочий процесс агента программирования, чтобы проверять подсказки, чтение файлов, команды оболочки и вызовы инструментов MCP до их выполнения и после него. Каждая активность может быть направлена через систему политик компании для решения о разрешении, блокировке или аудите.

Различие между мониторингом до выполнения и после выполнения важно. Журнал аудита может объяснить, почему произошёл инцидент, но не может предотвратить разрушительную команду или остановить утечку секрета из среды разработчика. DeepKeep позиционирует AI Lens как превентивный контроль и одновременно как источник доказательств для реагирования на инциденты и соблюдения требований.

Продукт может помечать учётные данные, токены доступа и пароли, включённые в подсказки или прикреплённые файлы. Он также проверяет генерируемый агентом код на наличие небезопасных шаблонов, таких как функции без аутентификации. Команды, признанные разрушительными, могут быть отложены для одобрения человеком, в то время как администраторы могут создавать пользовательские правила по ключевым фразам для выявления ссылок на конфиденциальные репозитории, участки кода или внутренние проекты.

DeepKeep сообщает, что каждая сессия генерирует подробную запись аудита, которая может включать идентификатор устройства, содержание подсказки и идентификатор пользователя. Это предоставляет командам безопасности возможность восстановить действия агента, даже если разработчик изменит заблокированный запрос и попробует выполнить его снова.

Единая политика для AI, ориентённого на разработчиков

Администраторы управляют правилами через DeepKeep’s Policy Hub. Политики могут применяться по ролям или для всей организации и охватывать категории, включая персональные идентифицируемые данные, учётные данные и разрушительные команды. Такой подход предназначен для того, чтобы компании могли установить единый уровень безопасности, позволяя при этом инженерным командам продолжать использовать агентные рабочие процессы разработки.

Фокус продукта на MCP особенно актуален. Протокол предоставляет AI‑приложениям стандартный способ подключения к инструментам и корпоративным данным, но каждый сервер и вызываемое действие могут расширять поверхность атаки, доступную агенту. В руководстве по Model Context Protocol от Unite.AI отмечается, что хосты и серверы MCP образуют отдельные границы безопасности, включая уязвимости к внедрению подсказок и непроверенному выводу инструментов. Поэтому мониторинг только модели недостаточен, когда модель может действовать через другие системы.

Офер Ротберг, вице-президент по продукту DeepKeep, утверждает, что агенты программирования наследуют необычно широкие привилегии доступа разработчиков, действуя при этом с растущей автономией. По его мнению, CISO нуждаются в непрерывной видимости поведения агентов и возможности останавливать вредоносные действия в реальном времени, а не ждать расследования следующего инцидента.

Часть более широкой платформы AI‑безопасности

AI Lens for Developers входит в более широкую платформу AI‑безопасности DeepKeep. Компания также предлагает AI Firewall, автоматизированный и управляемый человеком AI red teaming, контроль использования AI, сканирование агентов и моделей. DeepKeep сообщает, что её средства могут применяться на всём жизненном цикле AI, от разработки и тестирования до использования приложений и агентов в продакшене.

Компания была основана в 2021 году и описывает свою платформу как независимую от модели, поддерживая развертывание в SaaS, частных облаках, локально и в изолированных (air‑gapped) средах. Основная идея заключается в том, что предприятиям нужен единый язык политик для моделей, приложений, сотрудников и автономных агентов, а не отдельные средства контроля для каждого AI‑инструмента.

Для CISO агентами, ориентированными на разработчиков, эта идея становится срочным испытанием. Традиционная безопасность приложений сосредоточена в основном на коде, попадающем в продакшн. Агенты программирования добавляют ещё один уровень риска: процесс, который читает репозиторий, генерирует код и выполняет команды, может быть автономным. Продукты, такие как AI Lens, пытаются сделать этот процесс наблюдаемым и поддающимся принудительному контролю, не устраняя ускорения, которые заставили разработчиков изначально принимать агентов.