aiglare

aiglare

AI 機能のガバナンスガードレールをリントします — モデルが取り返しのつかない操作を実行できるのはどこですか？

ライブサイト： nugehs.github.io/aiglare-web

任意の JS/TS リポジトリを指定すると、LLM/AI の出力がユーザーに届く箇所や、副作用（支払い、予約、メール、データベースへの書き込み）を引き起こす箇所をすべて検出し、そのうち信頼度の処理、フォールバック、出力検証、または人間の介在がない箇所にフラグを立てます。

AI に関するインシデントの大半は、モデルの失敗ではありません。ガバナンスの失敗です。モデルの出力が、間に何も挟まれず、そのままユーザーに届いたり、取り消せない操作を実行したりしていました。このツールはそうした経路を可視化し、CI でブロックできるようにします。

npx @nugehs/aiglare                                        # audit current repo
npx @nugehs/aiglare ./src --ci                             # fail the build on a red side-effectful surface
npx @nugehs/aiglare --compliance all --format html         # HTML evidence report for auditors
npx @nugehs/aiglare --compliance soc2,eu-ai-act --format lint --ci  # compliance linter in CI

レポート内容

各 AI サーフェスは、出力先に基づいてシンクに分類されます。

• user-facing — ルート／コントローラーから返される、またはコンポーネントでレンダリングされる
• side-effectful — 支払い、予約、メール、データベース／ファイルへの書き込み、またはシェルに渡される
• internal — ログ記録またはキャッシュのみ

さらに、5 つのガードレールの観点で評価されます。信頼度の処理、不確実な場合のフォールバック、出力検証、副作用に対する人間の介在、エラーの分離です。

重大度	意味
🔴 red	ガードレールなしでモデルの出力がユーザーに届く、または副作用を引き起こします — すぐに確認してください
🟡 amber	対応が部分的です
🟢 green	ガードレールが設けられています

CI ゲート（--ci）が失敗するのは、red + side-effectful のサーフェスに限られます。つまり「AI が確認なしに、取り消せない操作を自動実行する」ケースです。そのため、チームに警告が大量に届くことなく、安全に導入できます。

コンプライアンスレポート

--compliance を渡すと、すべての検出結果を具体的な規制上の管理策に対応付けられます。その後、出力形式を選択してください。

# HTML evidence report — branded, collapsible per-framework sections, guardrail matrix
aiglare --compliance all --format html > report.html

# ESLint-style linter — pipe into CI, editors, or reviewers
aiglare --compliance soc2,eu-ai-act --format lint

# Markdown evidence doc — ready to hand to an auditor
aiglare --compliance all --format markdown > AUDIT.md

# Guardrail linter (no framework) — rule IDs like guardrail/human-in-loop
aiglare --format lint

対応フレームワーク：

フレームワーク	対応する管理策
soc2	SOC 2 Trust Services Criteria — CC7.2、CC7.4、CC9.1、A1.2、PI1.2、PI1.3
eu-ai-act	EU AI Act — Art. 9、13、14、17
nist	NIST AI RMF — GOVERN-1.2、MAP-2.3、MEASURE-2.5/2.6、MANAGE-1.3/2.2
owasp	OWASP LLM Top 10 — LLM02、LLM04、LLM08、LLM09

すべてのフレームワークを含めるには、all を指定します。--json 出力の各サーフェスには、フレームワーク、管理策 ID、説明、エラー／警告レベルを含む violations[] 配列が追加されます。

複数リポジトリ： 複数のパスを渡すと、レポートをまとめて出力できます。

aiglare ./api ./web --compliance all --format html > report.html

プロバイダーに依存しない設計

検出は、OpenAI、Anthropic、Google、Cohere、Mistral、Replicate、Vercel AI SDK、LangChain/LangGraph、Ollama、AWS Bedrock、Cloudflare Workers AI、Hugging Face に対応するプロバイダーレジストリを利用します。既知の推論ホストへの生の fetch/axios 呼び出しにも対応します。プロバイダーの追加は、1 行の PR で行えます。

オプション：repoctx による高速化

repoctx のインデックス（.dev-context/index.json）が存在する場合、ツールはこれを自動的に使用して、AI 関連の可能性が高いファイルを優先し、repoctx の kind/domain データでシンクの分類精度を高めます（たとえば、repoctx が controller ルートと判定したファイルは、ネイティブスキャナーが呼び出しグラフを認識できない場合でも、正しくユーザー向けとして扱われます）。インデックスがない場合は、組み込みの TypeScript コンパイラースキャナーが同じ処理を行いますが、精度は下がります。同じツールで、2 段階の精度 — すべてのユーザーが単独で利用でき、repoctx ユーザーはさらに充実した機能を利用できます。

MCP サーバー

aiglare には組み込みのModel Context Protocolサーバーがあり、エージェントが監査を直接実行できます。

aiglare mcp        # stdio JSON-RPC server (no SDK dependency)

次の3つのツールを公開します。

ツール	機能
ai_surface_audit	リポジトリの完全な監査（path、任意の sinks、severity）→ --json と同じ構造化レポート
ai_surface_gate	リポジトリの CI ゲート判定：passed と、ブロック対象となる赤色の副作用を伴うサーフェスの数
list_providers	スキャナーが検出するプロバイダーのレジストリ

MCP ホスト（Claude Desktop、Cursor、VS Code、…）に登録します。

{
  "mcpServers": {
    "aiglare": {
      "command": "npx",
      "args": ["-y", "@nugehs/aiglare", "mcp"]
    }
  }
}

aiglare と代替手段の比較

アプローチ	機能	aiglare との違い
guardrails-ai / NeMo Guardrails / ランタイムバリデーター	実行時に、呼び出しごとにモデル出力を検証または修正します	aiglare は静的解析です。実行前に、ガードレールがまったくない AI サーフェスを見つけます。その後、その箇所にランタイムバリデーターを追加します
semgrep / カスタム lint ルール	自分で作成し、保守する汎用の静的ルールです	aiglare には、プロバイダーのレジストリ、シンクの分類、5つのガードレール次元といった AI 固有の知識があらかじめ組み込まれています。ルールの作成は不要です
AI 機能の手動レビュー	スキャナーでは捉えられない細部を検出します	aiglare は、AI サーフェスの完全な一覧と重大度による優先順位付けをレビュアーに提供するため、リスクのある箇所にレビュー時間を充てられます

これらは相互に補完し合います。aiglare はガードレールが欠けている「場所」を示し、ランタイムバリデーターはそれを追加する「方法」です。

1週間のパイロットを実施する

CI ゲートを採用する前に、実際のコードベースで aiglare を評価したいですか？ PILOT.md には、インストール、バックエンドとフロントエンドのリポジトリでの初回監査、レポートの読み方、--severity／--sinks の調整、--ci を有効にするかどうかの判断まで、1週間の手順が段階ごとに記載されています。

正直な制限事項

これは静的な助言目的の解析であり、リンターであって検証器ではありません。誤検知（呼び出しを2回たどった先にあるガードレールを見落とすことがあります）と見逃し（実際には何も制御していない confidence 変数が、存在するものとして扱われることがあります）が発生します。出力は「違反」ではなく、「レビュー対象のサーフェス」として扱ってください。単一ファイルのネイティブスキャナーは呼び出しグラフをたどれません。repoctx アダプターは、まさにこの制限を補うために存在します。

オプション

aiglare [path...] [options]
  --compliance <fw>   Map findings to compliance controls.
                      Comma-separated: soc2, eu-ai-act, nist, owasp, or "all"
  --format <fmt>      Output format: terminal (default), json, lint, markdown, html
  --json              JSON output (alias for --format json)
  --ci                Exit non-zero on a red side-effectful surface
  --severity <lvl>    Show only red, or amber-and-worse
  --sinks <list>      Filter: user-facing,side-effectful,internal

aiglare mcp           Start the MCP server (stdio)

MCP ツール ai_surface_audit は任意の compliance 配列を受け取ります。設定すると、レスポンス内の各サーフェスに violations[] 配列が含まれます。

ライセンス

MIT

---

ツールチェーンの一部

aiglare は、AI 支援開発のための決定論的な信頼レイヤーを構成する4つのツールの1つです。それぞれ、静的解析によって、いつも LLM に任せている問いに答えます。

• repoctx — コンテキスト：この変更は実際に何に影響しますか？
• tieline — コントラクト：フロントエンドとバックエンドの間で、いつの間にか整合性が失われていませんか？
• bouncer — コンプライアンス：これを Ofcom に対して説明できますか？
• aiglare（このツール） — ガバナンス：モデルが、取り消せない操作を実行できる箇所はどこですか？

詳細は segunolumbe.com をご覧ください。モデルではなく、静的解析を。