Clyro 是一個針對 AI 代理的運行時治理層,透過實時循環檢測、成本和步驟限制以及策略執行來防止生產中的故障——適用於 LangGraph、CrewAI 以及 Claude/Anthropic SDK 等框架。
https://clyro.dev/?ref=producthunt&utm_source=aipure
Clyro

產品資訊

更新時間:2026年07月02日

什麼是 Clyro

Clyro 是一個針對 AI 代理的生產可靠性和治理平台,可即時監控和控制代理執行。它不僅提供事後可觀察性,更旨在在常見的代理故障模式升級之前阻止它們—例如無限循環、失控成本以及不安全或不合規的工具操作。它以輕量級 Python SDK 的形式整合(例如,透過簡單的「包裝您的代理」模式),並支援流行的代理框架和 SDK,包括 LangGraph、CrewAI、Claude Agent SDK 和 Anthropic SDK,以及任何可透過 Python 調用的代理。

Clyro 的主要功能

Clyro 是一個針對 AI 代理的運行時治理層,它能即時監控和控制代理執行,以防止常見的生產故障。它增加了預防性控制措施——例如循環檢測、每次運行的成本上限、步驟限制以及業務規則/策略強制執行——而無需您更改構建代理的方式,並且它適用於流行的代理框架(例如,LangGraph、CrewAI、Claude Agent SDK、Anthropic SDK)和 MCP 連接的工具生態系統。Clyro 還提供工具調用的審計級日誌記錄(包含上下文、決策和成本),以提高可追溯性、合規性準備和事件發生時的調試能力。
運行時執行邊界: 強制執行最大步驟和每個會話的成本上限(帶有預調用預算檢查),以保持自主運行的可預測性並防止失控執行。
循環檢測和自動停止: 檢測重複的工具調用模式(例如,滑動視窗內相同的調用),並在運行陷入無限循環和產生巨額費用之前停止它。
工具調用前的策略強制執行: 在執行前評估工具參數上的業務規則(允許列表、最大值、相等檢查等),以即時阻止不安全或不合規的行為。
僅追加審計日誌記錄: 記錄每個工具調用,包含完整的執行上下文、治理決策、成本和結果,支援帶有敏感字段遮蔽的審計追蹤。
MCP 治理(預設拒絕工具): 專為透過 MCP 連接到工具的代理設計,透過強制執行和可審計性實現受控工具存取,適用於安全性敏感的環境。
流行框架的插入式 SDK 包裝: 安裝並包裝現有代理(LangGraph、CrewAI、Claude Agent SDK 或任何 Python 可調用對象),以最少的程式碼更改啟用治理控制。

Clyro 的使用案例

具有嚴格業務規則的客戶支援代理: 在工具執行前,透過強制執行參數限制、主題控制和升級規則,防止不安全的行為,例如過度退款或違反政策的回應。
自主 DevOps / SRE 自動化: 透過步驟限制、循環檢測和成本上限來約束基礎設施或操作代理,以降低失控的修復循環和不受控制的工具使用所帶來的風險。
工具連接代理的安全性治理 (MCP): 對工具調用(例如,文件、網路、管理操作)應用預設拒絕存取和策略檢查,同時為調查保留詳細的審計日誌。
注重合規性的部署 (歐盟 AI 法案 / NIST / OWASP 對齊證據): 使用可追溯的、僅追加的日誌和強制執行的運行時控制來產生操作證據,並降低受監管環境中的風險。
電子商務和訂單自動化: 在結帳或提交訂單之前,透過驗證工具參數和強制執行防護措施,避免錯誤的高影響訂單(例如,不正確的數量)。
生產可靠性監控和漂移檢測工作流程: 隨著時間的推移追蹤執行路徑和故障,利用追蹤和治理決策來發現品質退化並更快地調查事件。

優點

主動預防故障(循環、失控成本、策略違規),而不是事後才觀察到它們
適用於多個代理框架,並且可以以最少的整合工作包裝現有代理
透過詳細的工具調用日誌記錄(包含治理決策和成本追蹤)實現強大的可追溯性

缺點

需要定義和維護策略/閾值(例如,YAML 規則、成本上限)以符合您的業務邏輯
某些高級企業需求(例如,SSO、自定義駐留)似乎被更高層級的計劃所限制
治理控制可能會阻止或中斷運行,這可能需要調整以避免過度限制合法的代理行為

如何使用 Clyro

1) 建立 Clyro 帳戶並取得 API 金鑰: 請在 https://app.clyro.dev/signup 註冊以取得 API 金鑰(在文件片段中顯示為 cly_live_...)。
2) 安裝 Clyro SDK: 在您的 Python 環境中,安裝套件:`pip install clyro`。
3) 在您的程式碼中配置 Clyro: 使用包含您的 API 金鑰和代理名稱的配置初始化 SDK,例如 `clyro.configure(clyro.ClyroConfig(api_key="cly_live_...", agent_name="my-first-agent"))`。
4) 使用 Clyro 包裝您的代理(一行整合): 使用 `wrapped = clyro.wrap(your_agent)` 包裝任何受支援的代理(LangGraph、CrewAI、Claude Agent SDK、Anthropic SDK 或任何 Python 可調用對象)。
5) (可選) 設定執行時控制(限制 + 預防): 為 `ClyroConfig` 提供 `ExecutionControls` 以強制執行步驟限制、成本上限、循環檢測和策略執行,例如 `controls=clyro.ExecutionControls(max_steps=50, max_cost_usd=10.0, enable_loop_detection=True, enable_policy_enforcement=True)`。
6) 透過包裝介面執行您的代理: 透過包裝器調用您的代理,以便在運行時強制執行治理,例如 `result = wrapped.invoke(inputs)`。
7) 為工具調用添加策略護欄(業務規則): 定義在每次工具調用之前評估的規則 (PolicyEvaluator)。在 YAML 中配置策略或從儀表板管理它們;Clyro 可以阻止違規或記錄決策以供審計追蹤。
8) 使用循環檢測來阻止失控的重複工具調用: 啟用循環檢測 (LoopDetector) 以阻止重複的相同工具調用模式,防止成本飆升(描述為使用簽名匹配在滑動窗口內檢測重複調用)。
9) 強制執行每個會話的預算以限制支出: 啟用成本追蹤 (CostTracker) 並設定每個會話的最大成本(網站描述了預設上限為每個會話 10 美元,並進行調用前預算檢查和調用後核對)。
10) 依賴審計日誌進行可追溯性和合規性: 使用 AuditLogger 記錄每個工具調用的僅追加記錄,包括執行上下文、治理決策、成本和結果;日誌以僅追加的 JSONL 格式儲存,並對敏感欄位進行編輯。
11) 在基於 MCP 的工具生態系統中安全連接(如果適用): 如果您的代理透過 MCP 連接到工具,請使用 Clyro 的 MCP 治理兼容性(被註記為 MCP 連接代理的預設拒絕工具治理和與 MCP 框架的兼容性)。
12) 驗證結果並監控隨時間的漂移: 使用 Clyro 的追蹤/監控來保持決策可追溯並檢測質量漂移(網站描述了即時監控執行路徑、故障和漂移)。

Clyro 常見問題

Clyro 是一個針對 AI 代理的運行時治理層,它能即時監控和控制代理的行為。它旨在防止常見的生產故障,例如無限循環、過高成本以及不安全或違反規則的操作。

与 Clyro 类似的最新 AI 工具

Hapticlabs
Hapticlabs
Hapticlabs 是一個無代碼工具包,使設計師、開發者和研究人員能夠輕鬆設計、原型設計和部署跨設備的沉浸式觸覺交互,無需編碼。
Deployo.ai
Deployo.ai
Deployo.ai 是一個全面的 AI 部署平台,支持無縫模型部署、監控和擴展,內置道德 AI 框架和跨雲兼容性。
CloudSoul
CloudSoul
CloudSoul 是一款 AI 驅動的 SaaS 平台,通過自然語言對話使用戶能夠即時部署和管理雲端基礎設施,使 AWS 資源管理更加易用和高效。
Devozy.ai
Devozy.ai
Devozy.ai 是一個由 AI 驅動的開發者自助服務平台,將敏捷項目管理、DevSecOps、多雲基礎設施管理和 IT 服務管理結合為一個統一的解決方案,以加速軟件交付。