Shackle：AI代理的預執行ALLOW/DENY/HITL門控（開源）

SHACKLE是一個輕量級、零依賴的執行時治理層，透過動態Python shim嵌入執行時，攔截LLM呼叫和工具執行，確定性地監控執行狀態。當代理違反邊界時，SHACKLE觸發斷路器，暫停執行並進入互動式終端控制台。

核心方面，SHACKLE實現了SP/1.0（SHACKLE協議1.0）一致性標準，該標準定義了執行時仲裁自主AI代理行動的精確規範。每個代理行動都經過ALLOW（允許）、DENY（拒絕）或HITL（人工介入）裁決，沒有第四種狀態，每個裁決都附帶確定性、可檢查的原因。SP/1.0的數學基礎要求：一個轉換有效當且僅當其所需的所有內容都在系統可證明支援的範圍內。關鍵不變性是：歷史可見 ≠ 執行時可執行——記錄的行動絕不意味著它曾被授權。

SHACKLE的參考實現透過了15個雜湊可驗證的一致性向量測試（fixtures/conformance.json），包括10個核心決策案例和5個人工介入轉換案例。任何執行時都可以透過執行相同的測試來證明其一致性，從而獲得SHACKLE認證。認證級別包括：SP/1.0-Core（核心一致性）、SP/1.0-HITL（轉換完備）和SP/1.0-Sovereign（企業執行時）。認證過程公開透明，基於重現性，而非信任宣告。

整合方面，SHACKLE為LiteLLM和AutoGen提供了開箱即用的支援。透過LiteLLM防護欄，可以強制所有基於LiteLLM的代理（如CrewAI、AutoGen、LangGraph）遵守SP/1.0。AutoGen包裝器透過裝飾器工廠實現工具呼叫的治理。由於LiteLLM位於大多數代理框架之下，單一整合點即可覆蓋整個供應鏈。

SHACKLE旨在解決AI代理的“死亡迴圈”問題：當工具呼叫失敗時，代理不斷重試相同的操作，消耗上下文視窗併產生鉅額API費用。SHACKLE作為斷路器，在預算或重複檢測觸發時停止迴圈，並允許開發者透過控制台干預。它非常適合本地開發和除錯、CLI代理和監督工作流、跨框架覆蓋以及預算執行。

SHACKLE由獨立開發者Dante Bullock建立，無風險投資或公司孵化。它使用社群情感分析和即時網路抓取來識別CrewAI、AutoGen和LangGraph生產中影響開發者的系統故障，然後構建即插即用的解決方案。這是一個為開發者構建的基礎設施，主權、精簡且無冗餘。