agent-bom runtime
AI运行时安全监控与审计关联工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：agent-bom runtime。 它的用途是：AI运行时安全监控与审计关联工具 完整的 Skill 内容见：https://321skill.com/skills/agent-bom-runtime-x-11/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'分析当前扫描结果，构建上下文图并检测是否存在横向移动行为'，它会调用context_graph工具，基于内存中的扫描数据生成代理交互图谱，并高亮潜在的风险路径。之后你可以说：'关联proxy-audit.jsonl与CVE数据库，找出未修复的漏洞'，它会运行runtime_correlate交叉引用审计日志中的事件与已知CVE，输出匹配报告。
介绍
这个Skill解决了AI代理运行时环境的安全监控难题。在实际部署中，多个AI代理协同工作时容易产生横向移动、权限滥用等安全隐患，而传统的日志审计工具难以关联CVE漏洞数据与代理行为上下文。agent-bom runtime通过上下文图分析、运行时审计日志与CVE发现的交叉引用，帮助团队快速定位安全风险。
使用方式很简单，你只需要通过pip或pipx安装agent-bom包，然后直接向AI助手发出自然语言指令即可。例如，你可以说“构建当前扫描结果的上下文图”，它会调用context_graph工具生成代理之间的交互图谱；或者说“关联proxy-audit.jsonl中的审计日志与CVE数据”，它会运行runtime_correlate进行交叉比对。此外，还可以通过analytics_query查询漏洞趋势、历史事件等分析数据。
它非常适合需要保障AI代理运行安全的运维工程师、智能体开发者和测试工程师。尤其是那些已经部署了多个AI代理或智能体平台、需要持续监控代理行为并快速响应安全事件的团队。对于合规审计场景，该工具也能帮助审查代理间的数据流动和权限变化。
建议在每次AI代理更新或新代理上线后，使用该工具进行一轮上下文图分析和日志关联。需要注意的是，它主要处理本地内存中的扫描结果和用户提供的JSONL格式审计日志文件，不会自动发现网络端点或上传数据。如需持久化分析，可配置可选的ClickHouse存储，但非必需。零凭证要求，数据隐私有保障。
核心特点
与ELK或Splunk等通用日志分析平台不同，agent-bom runtime专门针对AI代理运行时设计，能自动构建代理间的上下文图并检测横向移动，同时将CVE漏洞数据直接关联到审计日志中，无需手动编写复杂的SIEM规则。
注意事项
需要Python 3.11+环境，可选依赖ClickHouse用于持久化分析存储，不支持自动发现网络端点，仅操作本地内存中的扫描结果和用户提供的JSONL审计日志文件。
常见问题
是否需要API密钥才能使用？
不需要，工具零凭证要求，所有操作在本地完成，无需任何外部API密钥。
支持哪些操作系统？
支持darwin、linux和windows，跨平台可用。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/agent-bom-runtime-x-11/raw/index.md 读取 agent-bom runtime 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/agent-bom-runtime-x-11/raw/index.md（查看排版版本）