Agent Safehouse : sandboxing natif macOS pour les agents d'IA de codage locaux

Agent Safehouse est une solution de sandboxing native pour macOS destinée aux agents d'IA de codage locaux qui applique des restrictions d'accès aux fichiers au niveau du noyau. L'outil aborde la nature probabiliste des LLM en empêchant les agents d'effectuer des modifications destructrices en dehors des répertoires de projet désignés.
Fonctionnement
Safehouse met en œuvre un modèle d'accès par défaut refusé où les agents n'héritent d'aucune autorisation par défaut. Le noyau bloque les appels système avant que tout fichier ne soit touché, empêchant des opérations comme rm -rf ~ de réussir. Lorsqu'un agent tente d'accéder à des zones restreintes, le noyau renvoie "Opération non autorisée".
Modèle de contrôle d'accès
- Répertoire de projet : accès en lecture/écriture (racine git par défaut)
- Bibliothèques partagées : accès en lecture seule si explicitement accordé
- Refusé par défaut : clés SSH (
~/.ssh/), identifiants AWS (~/.aws/), autres dépôts, fichiers personnels - Chaînes d'outils : accès en lecture aux chaînes d'outils installées
Prise en main
# 1. Télécharger safehouse (script unique autonome)
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. Exécuter n'importe quel agent dans Safehouse
cd ~/projects/my-app
safehouse claude --dangerously-skip-permissions
Tester le sandbox
# Essayer de lire votre clé privée SSH — refusé par le noyau
safehouse cat ~/.ssh/id_ed25519
# cat: /Users/you/.ssh/id_ed25519: Operation not permitted
Essayer de lister un autre dépôt — invisible
safehouse ls ~/other-project
ls: /Users/you/other-project: Operation not permitted
Mais votre projet actuel fonctionne correctement
safehouse ls .
README.md src/ package.json ...
Intégration au shell
Ajoutez ces fonctions à votre configuration shell (~/.zshrc ou ~/.bashrc) pour exécuter les agents en sandbox par défaut :
safe () { safehouse --add-dirs-ro=~/mywork "$@"; }
En sandbox — par défaut. Tapez simplement le nom de la commande.
claude () { safe claude --dangerously-skip-permissions "$@"; }
codex () { safe codex --dangerously-bypass-approvals-and-sandbox "$@"; }
amp () { safe amp --dangerously-allow-all "$@"; }
gemini () { NO_BROWSER=true safe gemini --yolo "$@"; }
Non sandboxé — contournez la fonction avec command
command claude — session interactive simple
Génération de profil assistée par LLM
Le projet inclut un prompt qui instruit les LLM (Claude, Codex, Gemini, etc.) d'inspecter les modèles de profil Safehouse, de s'informer sur votre répertoire personnel et votre configuration de chaîne d'outils, et de générer un profil sandbox-exec avec le moindre privilège. Le prompt guide le LLM pour qu'il s'enquiert des dotfiles globaux, suggère un chemin de profil durable comme ~/.config/sandbox-exec.profile, crée un wrapper qui accorde l'accès au répertoire de travail actuel, et ajoute des raccourcis shell pour les agents préférés.
Agents pris en charge
Testé avec : Claude Code, Codex, OpenCode, Amp, Gemini CLI, Aider, Goose, Auggie, Pi, Cursor Agent, Cline, Kilo, Code Droid et agents personnalisés.
📖 Lire la source complète : HN AI Agents
👀 See Also

Tableau de bord localhost pour les pages de sortie HTML de Claude avec rechargement en direct
Une petite page d'accueil localhost qui rassemble toutes les pages HTML générées par Claude AI, avec rechargement automatique, indicateurs de mise à jour et volet de prévisualisation. Les agents enregistrent des pages via des liens symboliques.
Bend : un langage à vérification de preuve qui bloque les erreurs de l'IA sur CPU et GPU
Bend compile en code natif et s'exécute en parallèle sur les cœurs CPU ou GPU. Ses fichiers LAWS.bend permettent aux agents de prouver que les règles tiennent, bloquant les bugs avant qu'ils ne soient fusionnés.

Engram : couche mémoire open-source pour Claude Code et les clients MCP
Engram est une couche de mémoire open-source qui fonctionne comme un serveur MCP avec n'importe quel client comme Claude Code, Cursor ou Windsurf. Il stocke des souvenirs illimités avec une recherche sémantique vectorielle, atteint 80 % de précision sur le benchmark LOCOMO et utilise environ 800 tokens par requête contre 5 000+ pour les approches basées sur des fichiers.

llm-use – Un Cadre Open-Source pour le Routage et l'Orchestration de Flux de Travail Multi-Agents LLM
llm-use révolutionne l'automatisation avec son framework open-source conçu pour acheminer et orchestrer efficacement les workflows multi-agents LLM. Découvrez son impact sur les opérations d'IA.