Agentgate Clawhub

🚪 带人工审批的 AI 数据网关

AI Agent网关,带人工审批写入机制,安全连接GitHub、Google Calendar等个人数据服务

收藏
5.6k
安装
2.1k
版本
1.0.0
CLS 安全性认证2026-08-12
点击查看完整报告 >

使用说明

核心用法

Agentgate 是一款专为 AI Agent 设计的个人数据 API 网关,采用"人工在环(Human-in-the-loop)"安全架构。核心流程分为:

  • 读取操作(GET):即时执行,无延迟
  • 写入操作(POST/PUT/PATCH/DELETE):进入审批队列,需人工授权后执行
  • 可信模式:可为特定 Agent 开启绕过审批,实现自动化写入

服务发现通过 /api/agent_start_here 自动暴露可用服务、账户和 API 文档。支持动态生成实例专属技能(skills),覆盖代码(GitHub/Jira)、社交(Bluesky/Mastodon/LinkedIn)、搜索(Brave/Google)、个人(Calendar/YouTube/Fitbit)、IoT(Home Assistant)、消息(Twilio)等类别。

显著优点

1. 安全架构领先:写入审批队列机制从根本上防止 Agent 误操作或恶意操作,是 AI 代理领域少有的生产级安全设计
2. 统一抽象层:单一代理连接多服务,降低集成复杂度

3. 跨 Agent 协作:内置消息广播、定向通信、持久化记忆(Mementos)功能

4. 灵活部署:支持自托管,数据主权可控

潜在缺点与局限

  • 写入延迟依赖人工:实时性场景受限,需权衡安全与效率
  • 自托管运维成本:需独立维护服务实例
  • 生态依赖 Node.js:技能生成和安装流程绑定 npm/node 环境
  • 社区规模:较新开源项目,长期维护与扩展性待观察

适合人群

  • 对 AI Agent 数据安全有严格要求的技术用户
  • 需连接多平台个人/工作数据的自动化场景
  • 愿意承担自托管运维成本的隐私敏感型用户

常规风险

  • Token 泄露风险:AGENT_GATE_TOKEN 若暴露,攻击者可读取所有已授权数据
  • 审批疲劳:高频写入场景下,人工审批可能成为瓶颈或导致盲目批准
  • 绕过模式滥用:开启后失去安全缓冲,需谨慎评估 Agent 可信度

安全解读

核心用法

AgentGate 是一个专为 AI Agent 设计的个人数据 API 网关,采用"人工在环(human-in-the-loop)"的安全模型。用户需先本地部署 agentgate 服务,配置 AGENT_GATE_URL 和 AGENT_GATE_TOKEN 环境变量后,Agent 即可通过统一接口访问多种个人服务。

读写分离机制是该系统的核心设计:读取请求(GET)立即执行,而写入请求(POST/PUT/PATCH/DELETE)全部进入人工审批队列,需用户手动批准后方可执行。对于高信任场景,可启用 Bypass 模式让写入立即执行。Agent 通过 GET /api/agent_start_here 发现可用服务,并可运行 curl | node 命令安装为当前实例定制的专属技能。

支持的服务涵盖代码(GitHub、Jira)、社交(Bluesky、Mastodon、LinkedIn)、搜索(Brave、Google)、个人数据(Google Calendar、YouTube、Fitbit)、IoT(Home Assistant)及通讯(Twilio、Plivo)等多个领域。

显著优点

安全架构设计突出:人工审批机制从根本上防止了 AI Agent 的误操作或恶意操作对个人数据造成不可逆损害,这在当前 Agent 生态中极为罕见且珍贵。

统一接入体验:单一 API 对接十余种异构服务,极大简化了 Agent 开发者的集成成本,无需为每个服务单独维护认证逻辑和 SDK。

实例定制化能力:通过 /api/skill/setup 动态生成贴合用户实际配置的技能代码,实现"千人千面"的个性化接入。

跨 Agent 协作支持:内置的 Agent 间消息传递和持久化记忆(Mementos)功能,为构建多 Agent 协作系统提供基础设施。

潜在缺点与局限性

部署门槛较高:需要用户自行部署和维护网关服务,对普通用户存在技术门槛,且需持续保障服务可用性。

写入延迟不可避免:人工审批机制必然带来操作延迟,不适合对实时性要求极高的场景。

依赖外部服务生态:服务支持范围取决于官方更新节奏,新兴平台可能存在支持滞后。

安全责任转移:虽然增加了审批层,但最终安全仍依赖于用户自身对审批请求的准确判断,存在社会工程攻击的潜在风险。

适合的目标群体

  • 重视数据安全的个人用户:希望享受 AI Agent 自动化便利,但不愿将个人数据完全交由 AI 自主操作的用户
  • 多 Agent 系统开发者:需要构建可协作、有记忆的 Agent 网络的开发者
  • 隐私敏感型用户:对 Fitbit 健康数据、家庭 IoT 设备等敏感信息有严格管控需求的用户
  • 技术能力较强的早期采用者:能够独立完成本地服务部署和配置的技术用户

常规使用风险

性能瓶颈风险:人工审批环节可能成为高频操作场景下的性能瓶颈,建议合理设计 Agent 的批处理策略。

依赖项可用性:网关服务本身的稳定性成为关键单点,服务宕机将导致所有 Agent 功能失效。

配置安全风险:AGENT_GATE_TOKEN 泄露将导致他人可代理用户身份操作所有已连接服务,需妥善保管。

curl 管道执行习惯风险:文档中推荐的 curl | node 安装方式虽经审核为合法功能,但用户若养成此习惯,可能在其他场景遭遇供应链攻击。建议在执行前严格验证 URL 来源。

本地端口暴露:默认 3050 端口若暴露在公网且未配置 HTTPS,存在中间人攻击和数据嗅探风险。

Agentgate Clawhub 内容

手动下载zip · 2.2 kB
SKILL.mdtext/markdown
请选择文件