Show HN: Halo – AIエージェントのためのオープンソースで改ざん防止可能な実行時証拠

皆さん、HNへ。私はブライアンです。過去数年間Vanta（YC W18）で、スタートアップやエンタープライズのコンプライアンス対応を支援してきました。最近、エージェント中心の世界でそれがどのようなものになるかを探求し始めました。 Haloが解決する問題は、企業がベンダーからAIエージェントを購入し、そのデータへのアクセス権を与えた際に、エージェントがそのデータで何をしたのかを確認する方法がないことです。ベンダーはオブザーバビリティダッシュボードや監査ログを備えているかもしれませんが、それらは編集可能で一方的なものです。SOC 2やISO 27001は企業の管理体制を監査しますが、ソフトウェアがエージェント化されている場合、管理体制は予測性が低くなります。要するに、同じプロンプトをエージェントに50回与えると、50のわずかに異なるアクション/回答が得られるため、エージェント化された世界で監査する価値があるのは、実行時に何が起こったかだけです。 Haloは、エージェントの実行時証拠を生成するオープンソースプロジェクトです。これは、エージェントが行うすべてのアクション（例: ツール呼び出し、モデル呼び出し、データアクセスなど）を記録し、追記型ログのエントリとなる小さなレコーダーです。ハッシュチェーンでリンクされているため、誰でも再検証できます。 以下のコマンドを実行して、架空の例をご覧ください。 ``` uvx --from halo-record halo demo --serve ``` その後、.jsonlファイルのいずれかの行を削除してリロードすると、レポートが改ざんされていることを検出します。 独自のエージェントを接続するには、このPythonの行を実行します。 ``` agent = trace(run_my_agent, profile="my-agent", log="audit.jsonl") ``` 次にこれを使用して実際のレポートを生成し、顧客に提供します。 ``` halo report audit.jsonl -o report.html ``` 免責事項: これは完全性を証明するものではなく、整合性を証明するものです（自己保持チェーンは何も編集されていないことを証明しますが、何も省略されていないことを証明するものではありません）。これを検出するには、ベンダー外の証人が必要であり、それが私が次に取り組んでいることです。 HaloはApache-2.0ライセンスで、実行時依存関係はゼロで、Pythonコードは約4,300行、テストは125個です（TypeScriptをご希望の場合は、こちらのリポジトリがあります: https://github.com/bkuan001/halo-record-ts）。 ぜひ試してみてください。フィードバックがあればお知らせください！