Agent Safehouse: macOS-native Sandboxing für lokale KI-Codierungsagenten

Agent Safehouse ist eine macOS-native Sandboxing-Lösung für lokale KI-Coding-Agenten, die Dateizugriffsbeschränkungen auf Kernel-Ebene durchsetzt. Das Tool adressiert die probabilistische Natur von LLMs, indem es Agenten daran hindert, zerstörerische Änderungen außerhalb festgelegter Projektverzeichnisse vorzunehmen.
So funktioniert es
Safehouse implementiert ein Verweigerungs-zuerst-Zugriffsmodell, bei dem Agenten standardmäßig keine Berechtigungen erben. Der Kernel blockiert Systemaufrufe, bevor Dateien berührt werden, und verhindert so, dass Operationen wie rm -rf ~ erfolgreich sind. Wenn ein Agent versucht, auf eingeschränkte Bereiche zuzugreifen, gibt der Kernel "Operation not permitted" zurück.
Zugriffskontrollmodell
- Projektverzeichnis: Lese-/Schreibzugriff (standardmäßig Git-Root)
- Gemeinsame Bibliotheken: Nur-Lesezugriff, falls explizit gewährt
- Standardmäßig verweigert: SSH-Schlüssel (
~/.ssh/), AWS-Anmeldedaten (~/.aws/), andere Repositories, persönliche Dateien - Toolchains: Lesezugriff auf installierte Toolchains
Erste Schritte
# 1. Safehouse herunterladen (einzelnes eigenständiges Skript)
mkdir -p ~/.local/bin
curl -fsSL https://raw.githubusercontent.com/eugene1g/agent-safehouse/main/dist/safehouse.sh \
-o ~/.local/bin/safehouse
chmod +x ~/.local/bin/safehouse
2. Einen beliebigen Agenten innerhalb von Safehouse ausführen
cd ~/projects/my-app
safehouse claude --dangerously-skip-permissions
Die Sandbox testen
# Versuchen Sie, Ihren privaten SSH-Schlüssel zu lesen — vom Kernel verweigert
safehouse cat ~/.ssh/id_ed25519
# cat: /Users/you/.ssh/id_ed25519: Operation not permitted
Versuchen Sie, ein anderes Repo aufzulisten — unsichtbar
safehouse ls ~/other-project
ls: /Users/you/other-project: Operation not permitted
Aber Ihr aktuelles Projekt funktioniert einwandfrei
safehouse ls .
README.md src/ package.json ...
Shell-Integration
Fügen Sie diese Funktionen Ihrer Shell-Konfiguration (~/.zshrc oder ~/.bashrc) hinzu, um Agenten standardmäßig in einer Sandbox auszuführen:
safe () { safehouse --add-dirs-ro=~/mywork "$@"; }
Sandboxed — der Standard. Geben Sie einfach den Befehlsnamen ein.
claude () { safe claude --dangerously-skip-permissions "$@"; }
codex () { safe codex --dangerously-bypass-approvals-and-sandbox "$@"; }
amp () { safe amp --dangerously-allow-all "$@"; }
gemini () { NO_BROWSER=true safe gemini --yolo "$@"; }
Unsandboxed — umgehen Sie die Funktion mit command
command claude — einfache interaktive Sitzung
LLM-unterstützte Profilerstellung
Das Projekt enthält einen Prompt, der LLMs (Claude, Codex, Gemini usw.) anweist, Safehouse-Profilvorlagen zu inspizieren, nach Ihrem Home-Verzeichnis und Ihrer Toolchain-Einrichtung zu fragen und ein Least-Privilege-sandbox-exec-Profil zu generieren. Der Prompt leitet das LLM an, nach globalen Dotfiles zu fragen, einen dauerhaften Profilpfad wie ~/.config/sandbox-exec.profile vorzuschlagen, einen Wrapper zu erstellen, der Zugriff auf das aktuelle Arbeitsverzeichnis gewährt, und Shell-Kurzbefehle für bevorzugte Agenten hinzuzufügen.
Unterstützte Agenten
Getestet mit: Claude Code, Codex, OpenCode, Amp, Gemini CLI, Aider, Goose, Auggie, Pi, Cursor Agent, Cline, Kilo, Code Droid und benutzerdefinierten Agenten.
📖 Read the full source: HN AI Agents
👀 Siehe auch

Multi-Modell-Rat-Workflow für KI-Codierungsagenten
Ein Entwickler hat ein webbasiertes Tool erstellt, das Codieraufgaben durch drei KI-Modelle laufen lässt – GPT-4o als Architekt, Claude als Skeptiker und Gemini als Synthetisierer – bevor sie an Coding-Agenten weitergegeben werden. Das Tool generiert eine PLAN.md mit expliziten Einschränkungen und erfordert, dass Nutzer ihre eigenen API-Schlüssel mitbringen.

OpenMontage: Open-Source Agentisches Videoproduktionssystem für KI-Codierungsassistenten
OpenMontage ist ein Open-Source-Video-Produktionssystem, das KI-Codierungsassistenten wie Claude Code in vollwertige Produktionsstudios verwandelt. Es übernimmt Recherche, Szenenplanung, Skripterstellung, Sprachaufnahmen, Musikauswahl, Untertitelgenerierung und Validierung durch automatisierte Pipelines.

Wahre Kosten von KI-Codierungstools: 42 Stunden Overhead pro 60 Tage – Eine detaillierte Aufschlüsselung eines Solo-Entwicklers
Ein Solo-Entwickler hat 60 Tage lang jeden Dollar und jede Minute erfasst, die für KI-Codierungstools ausgegeben wurden. Abonnements (200 $/Monat) waren die geringsten Kosten; 42 Stunden Gemeinkosten durch schlechte Ergebnisse und Werkzeugwechsel waren die eigentliche Belastung. Der Nettoproduktivitätsgewinn betrug das 1,7- bis 2-fache, nicht das 10-fache. Überraschung: CodeRabbit, ein Überprüfungstool für 15 $/Monat, hatte den höchsten ROI.

ZSE: Open-Source-LLM-Inferenz-Engine mit 3,9-Sekunden-Kaltstarts
ZSE ist eine Open-Source-Inferenz-Engine für LLMs, die den Speicherbedarf für 32B-Modelle von 64GB auf 19,3GB VRAM reduziert und mit einem vorquantisierten .zse-Format und speichergemappten Gewichten Kaltstarts von 3,9 Sekunden für 7B-Modelle erreicht.