Что это
Brack встраивается между AI-агентом и внешними инструментами, перехватывая потенциально опасные команды до их выполнения. Библиотека работает как охранник на уровне рефлексов: проверяет каждое действие агента по заданным правилам и блокирует то, что выходит за допустимые границы. Проект распространяется как открытый исходный код на GitHub.
Возможности
- Встраивается между агентом и инструментами как промежуточный слой - перехватывает действия до их выполнения
- Проверяет каждый вызов инструмента по заданным правилам и блокирует нарушения в реальном времени
- Работает с агентами на базе LangChain, AutoGPT и аналогичных фреймворков без переписывания архитектуры
- Защищает от конкретных классов рисков: удаления данных, несанкционированных API-запросов, утечки чувствительной информации
- Открытый исходный код - правила можно смотреть, менять и расширять под свои нужды
Что даёт
Разработчик получает контроль над тем, что автономный агент реально делает в системе, без необходимости писать защитную логику с нуля. Это снижает риск нежелательных действий агента: случайного удаления данных, несанкционированных запросов к API или утечки чувствительной информации. На выходе получается агент, поведение которого ограничено чёткими правилами, а не только промптом.
Кому подходит
Полезно разработчикам, которые строят продукты на базе автономных AI-агентов (LangChain, AutoGPT и подобных) и хотят добавить защитный контур без переписывания архитектуры.
Плюсы и минусы
- Защита на уровне действий, а не только промптов - агент не может обойти ограничения через переформулировку задачи
- Не требует платёжных данных и регистрации - ставишь через пакетный менеджер и используешь
- Снижает время на написание защитной логики с нуля при построении агентных систем
- Открытый код - можно проверить, что именно происходит с данными, и доверять не на слово
- Молодой проект: экосистема правил и документация пока скромнее, чем у Guardrails AI или NeMo Guardrails
- Требует технической настройки - это не no-code инструмент, нужно понимать архитектуру своего агента
- Качество защиты напрямую зависит от того, насколько хорошо ты сам опишешь правила - из коробки не защищает от всего
Инструменты помогают сделать работу, но результат тут же теряется в чатах и вкладках. ENGRAM собирает находки, документы и переписку команды в единую ИИ-память и находит нужное по смыслу со ссылкой на источник. Данные в России.
Доступ из России
Проект размещён на GitHub и доступен из России без ограничений. Установка через стандартные пакетные менеджеры. Никаких платёжных данных не требуется.
Как начать
- Открой репозиторий github.com/brack-6/brack - он доступен из России без VPN
- Установи библиотеку через pip или другой пакетный менеджер согласно инструкции в README
- Встрой Brack между своим агентом и инструментами, которые он вызывает - это точка перехвата
- Опиши правила допустимого поведения агента и протестируй на типичных сценариях, где агент мог бы навредить
Цена
open-source
Частые вопросы
Стоит ли
Brack - узкоспециализированный инструмент для разработчиков, которые строят автономных агентов и понимают, что промпт-инструкции не дают настоящей гарантии безопасности. Если ты уже пишешь агентную систему и тебе нужен контролируемый периметр действий без написания защитной логики с нуля - стоит попробовать. Если ты только начинаешь с LLM или ищешь защиту для простого чат-бота, это не твой инструмент.
Похожие инструменты
Бери Brack, если важен локальный open-source без зависимости от внешних сервисов и нужна именно защита на уровне действий агента, а не валидация текстовых ответов - Guardrails AI и LLM Guard больше про формат и контент вывода, а не про контроль того, что агент реально делает в системе.