Conduct AI

conduct-cli

Conduct AI 官方 CLI — 安装 AI Agent、管理项目、运行端到端测试，并通过 ConductGuard 强制执行团队 AI 策略。

适用于 Linux、macOS 和 Windows。Python 3.9–3.12。

安装

pip install conduct-cli

快速入门

# Authenticate (one-time)
conduct login \
  --server https://api.conductai.ai \
  --token cond_agt_xxx \
  --workspace <workspace-id>

# Browse available agents
conduct playbooks

# Create a project and install all agents in one shot
conduct install-all --project DevOps --repo owner/repo

# List installed agents
conduct agents

# Run a test trigger on any agent
conduct test "PR Reviewer"
conduct test --all

命令

命令	描述
conduct login	将连接配置保存到 ~/.conduct/config.json
conduct projects	列出所有项目
conduct create project <name>	创建项目
conduct delete project <name>	删除项目及其所有 Agent
conduct reset project <name>	删除项目中的所有 Agent（从空白状态开始）
conduct playbooks	浏览可用的操作手册
conduct playbooks <slug>	显示操作手册所需的输入
conduct install <slug>	从操作手册安装一个 Agent
conduct install-all	将全部 12 个操作手册安装到一个项目中
conduct agents	列出所有已安装的 Agent
conduct test <name>	在 Agent 上触发测试并流式输出结果
conduct test --all	测试所有基于操作手册的 Agent

身份验证

在 Conduct AI 控制面板中，通过 Settings → Agents → Issue token 生成 Agent 令牌。令牌以 cond_agt_ 开头，并以 SHA-256 哈希形式存储 — 明文只会显示一次。

conduct login --server https://api.conductai.ai --token cond_agt_xxx --workspace <id>

安装所有 Agent

# Installs all 12 playbooks into a project, pointed at your GitHub repo
conduct install-all --project DevOps --repo myorg/myrepo

如果项目不存在，系统会自动创建。使用 --input key=value 可覆盖任意操作手册输入。

测试 Agent

# Test a single agent (fires synthetic test payload, streams run events)
conduct test "Autopilot Quick"

# Test all playbook-based agents in sequence
conduct test --all

所有测试均通过时，退出代码为 0；任何测试失败时，退出代码为 1 — 可用于 CI。

---

ConductGuard

ConductGuard 是 AI 工具群管理系统 — 安全团队只需设置一次策略，即可在每位开发者的 Claude Code、Cursor 和 Windsurf 会话中自动强制执行。

工作原理

Admin configures policies and budgets in the Guard dashboard
    └─ developers are workspace members automatically — no invite step needed

Developer runs: conduct guard sync
    ├─ pulls latest policy to ~/.conductguard/policy.json
    ├─ writes PreToolUse hook → ~/.conductguard/hook.py
    ├─ registers hook → ~/.claude/settings.json
    └─ registers conductguard-mcp → ~/.claude/settings.json (mcpServers) + Codex

Every Claude Code tool call:
    ├─ PreToolUse hook fires (hook.py) → checks policy → block / warn / audit
    └─ Event posted async to ConductGuard API → visible in Activity feed

开发者设置

pip install conduct-cli

# Authenticate (already done if you use Conduct)
conduct login --server https://api.conductai.ai --api-key <api-key>

# Sync Guard — installs hook + MCP, pulls policies
conduct guard sync

就是这样。策略强制执行会从下一次工具调用开始生效。

Guard 命令

命令	描述
conduct guard sync	拉取最新策略，将钩子写入 ~/.conductguard/hook.py，并注册钩子和 MCP
conduct guard status	显示今日开销、会话数和违规情况
conduct guard audit [--since 7d]	以表格形式输出近期 Guard 事件
conduct verify [--evidence FILE] [--strict] [--format json]	将 Guard 事件映射到 OWASP Agentic Top 10；若存在被阻止的事件，CI 中将以代码 1 退出（使用 --strict）
conduct guard discover	扫描本地环境中的 AI Agent；报告 Guard 覆盖率
conduct guard discover --register	在 Guard 下注册发现的 Agent

建议模式

安全管理员启用建议模式后，所有策略违规都会记为“已审计”，而不会被阻止 — 开发者会看到提示，但工具调用仍会继续。钩子仍会将每个事件提交到审计日志。

检查建议模式是否已启用：

conduct guard sync   # shows "· advisory" badge if active
conduct guard status

conduct verify

# Map last 24h of guard events to OWASP Agentic Top 10
conduct verify

# Use a saved evidence file
conduct verify --evidence ./conduct-evidence.json

# CI mode — exit 1 if any blocked events
conduct verify --strict

# JSON output for downstream tooling
conduct verify --format json

OWASP 映射：no-rm-rf → A04 过度授权，no-sudo → A09 权限提升，policy_signature_invalid → A07 监控不足等。涵盖全部 10 个类别。

PreToolUse 钩子的工作原理

运行 conduct guard sync 时，CLI 会将 Python 脚本写入 ~/.conductguard/hook.py，并将其注册为 ~/.claude/settings.json 中的 PreToolUse 钩子：

{
  "hooks": {
    "PreToolUse": [
      {
        "matcher": ".*",
        "hooks": [{ "type": "command", "command": "python3 ~/.conductguard/hook.py" }]
      }
    ]
  }
}

每次调用工具前，Claude Code 都会运行该钩子。钩子会：

1. 从标准输入（JSON）读取 tool_name 和 tool_input
2. 加载 ~/.conductguard/policy.json（团队规则集）
3. 根据每条规则（match_tool、match_pattern、match_path_pattern）匹配调用
4. 执行规则对应的操作：
   • block — 输出策略消息，以代码 2 退出（Claude Code 会中止工具调用）
   • warn — 输出消息，以代码 0 退出（继续调用工具，并通知开发者）
   • audit — 静默发送事件，以代码 0 退出
5. 异步向 POST /guard/events 发送审计事件（即发即弃，不会拖慢工具调用）

conductguard-mcp 的工作原理

conduct guard sync 还会在 ~/.claude/settings.json 中注册 MCP 服务条目：

{
  "mcpServers": {
    "conductguard": {
      "command": "conductguard-mcp",
      "args": ["--team", "<team-id>", "--token", "<member-token>"]
    }
  }
}

Claude Code 启动时会将 conductguard-mcp 作为子进程启动并保持运行。它通过标准输入／标准输出上的 JSON-RPC 2.0 进行通信（MCP stdio 传输）。

MCP 服务会公开三个供 Claude 主动调用的工具：

工具	描述
guard_status	返回团队名称、你的邮箱、活跃规则数量和策略版本
guard_check	在 Claude 执行操作前，检查特定工具及输入是否会被拦截
guard_sync	从 ConductGuard API 获取最新策略并保存到本地

guard_check 示例 — Claude 可在执行敏感操作前自行检查：

guard_check(tool_name="bash", tool_input={"command": "rm -rf /tmp/build"})
→ ALLOWED — no policy rule matches 'bash'.

guard_check(tool_name="bash", tool_input={"command": "curl http://internal-api/secrets"})
→ BLOCKED — External network calls to internal endpoints are not permitted. [rule: no-internal-curl]

guard_sync 示例 — 安全团队推送新规则后：

guard_sync()
→ Policy synced — 12 rule(s) active (version: 2026-05-31T14:22:00Z).

策略文件格式

策略存储在 ~/.conductguard/policy.json 中，并与服务端同步：

{
  "team_id": "uuid",
  "version": "2026-05-31T14:22:00Z",
  "rules": [
    {
      "rule_id": "no-rm-rf",
      "match_tool": "bash",
      "match_pattern": "rm\\s+-rf",
      "match_path_pattern": null,
      "action": "block",
      "message": "Recursive deletes are not permitted. Use trash or targeted rm."
    },
    {
      "rule_id": "audit-prod-writes",
      "match_tool": "edit,write",
      "match_path_pattern": "/prod/",
      "match_pattern": null,
      "action": "warn",
      "message": "Writing to prod directory — make sure this is intentional."
    }
  ]
}

保持策略为最新

安全团队在 ConductGuard 控制面板中更新规则后，运行 conduct guard sync。同步命令会拉取最新策略、重写钩子，并在任何新检测到的 AI 工具配置中重新注册 MCP 条目。

# Add to a daily cron or run manually after policy changes
conduct guard sync

---

Claude Desktop

将以下内容添加到 ~/Library/Application Support/Claude/claude_desktop_config.json（macOS）或 %APPDATA%\Claude\claude_desktop_config.json（Windows）：

{
  "mcpServers": {
    "conduct": {
      "command": "conduct-mcp",
      "args": []
    },
    "conductguard": {
      "command": "conductguard-mcp",
      "args": ["--team", "<workspace-id>", "--token", "<member-token>"]
    }
  }
}

请先运行 conduct login — conduct-mcp 会从 ~/.conduct/config.json 读取凭据。在 Conduct AI 控制面板中，前往 Settings → Agents → Issue token 获取你的 Agent 令牌。

---

VS Code + GitHub Copilot

直接在 VS Code 的 MCP 注册表中安装：

code --add-mcp '{"name":"conduct","command":"conduct-mcp","args":[]}'
code --add-mcp '{"name":"conductguard","command":"conductguard-mcp","args":["--team","<workspace-id>","--token","<member-token>"]}'

或者将以下内容添加到仓库中的 .vscode/mcp.json：

{
  "servers": {
    "conduct": {
      "type": "stdio",
      "command": "conduct-mcp",
      "args": []
    },
    "conductguard": {
      "type": "stdio",
      "command": "conductguard-mcp",
      "args": ["--team", "<workspace-id>", "--token", "<member-token>"]
    }
  }
}

配置完成后，GitHub Copilot 就可以列出你的 Agent、触发工作流并检查 Guard 策略 — 与 Claude Code 和 Cursor 中提供的工具相同。

前置条件： pip install conduct-cli + conduct login

---

链接

• 控制面板：conductai.ai
• 文档：conductai.ai/docs
• 问题反馈：github.com/sseshachala/conductai/issues