Cynative publica un framework de agentes de seguridad de solo lectura
El proyecto, con licencia Apache-2.0, trae 45 agentes listos para AWS, GCP, Azure, Kubernetes, GitHub y GitLab y ejecuta código en un sandbox efímero.
Un ingeniero de Cynative ha publicado un framework open source para montar agentes de seguridad que consultan infraestructura en vivo sin poder tocarla. El código está en el repositorio de la compañía bajo licencia Apache-2.0, y quien lo escribe avisa desde la primera línea de que es autopromoción: es su empresa.
El paquete llega con 45 agentes ya construidos para AWS, GCP, Azure, Kubernetes, GitHub y GitLab, y la opción de escribir los propios. El modelo lo pone cada uno: vale una clave de API contra un proveedor externo, un modelo en local o los servicios gestionados de Bedrock, Vertex o Foundry.
Solo lectura por construcción
La diferencia que el autor quiere subrayar frente a los agentes de programación y a los servidores MCP habituales es el control de permisos. El framework incorpora una puerta de acciones que filtra de forma determinista las llamadas de solo lectura, de manera que el agente no puede derivar en una escritura aunque el modelo se lo proponga. Todo el código que genera se ejecuta en un sandbox efímero integrado, y las consultas a las APIs salen en paralelo.
Ese diseño acota el riesgo por la vía de quitar capacidades, no de vigilarlas. Un agente así sirve para inventariar recursos, revisar configuraciones o preguntar en lenguaje natural qué hay desplegado en una cuenta, pero no para remediar nada: si aparece un hallazgo, la corrección sigue siendo manual.
Lo que no hay, de momento, son datos que permitan juzgar cómo se comporta en producción. No se ha publicado ninguna demo, ni benchmarks, ni una comparativa de cuántas llamadas a la API consume una consulta típica. El anuncio es una descripción del proyecto y poco más; el resto hay que sacarlo leyendo el código.
Por qué puede interesar
Para quien administra cuentas de nube y clústeres, la propuesta encaja en una tarea concreta: dar a un LLM acceso de consulta al stack sin abrir la puerta a que borre o cambie algo. Ahí la puerta determinista y el aislamiento del código son el argumento de venta, y también lo primero que conviene auditar antes de enchufarlo a una cuenta real. El soporte de modelos locales o de endpoints propios ayuda si los datos no pueden salir de casa.
Queda por ver si el proyecto mantiene el ritmo, si esos 45 agentes cubren lo que prometen y si alguien publica una evaluación independiente del filtro de acciones. Sin eso, es un punto de partida razonable para experimentar en un entorno de laboratorio, no una pieza para producción.
