Sponsio 为 Agent 在时间维度上展开的过程提供确定性合约，强制延迟低于 0.01 ms，运行时零 LLM 成本。支持 LangChain、Claude Agent、OpenAI Agents、Google ADK、CrewAI、Vercel AI、MCP，或任何自定义工具调用循环，Python 与 TypeScript 双语言。
Agent 合约是一条运行时规则，在每一次 Agent 操作时检查，由形式化方法支撑。
v0.2.0a3 alpha 已发布。
pip install --pre sponsio==0.2.0a3。修复非 LangGraph adapter 在redirect_to_safe触发时 fail-open 的漏洞（原 unsafe 工具仍会被调用）；TSEq在复合值上对齐 Python 的值相等语义；新增 Cloudflare Workers 兼容性。0.2.0a2 用户建议升级。 详见 v0.2.0a3 release notes。
在 ODCV-Bench（12 个前沿 LLM × 80 条执行轨迹）上，无防护的模型在 11.5%–66.7% 的运行中作弊。接入 Sponsio 后平均规避 95.6% 的不当行为；24/36 高风险场景 100% 拦截。在 Financial-Audit-Fraud-Finding 场景中，前沿模型 16/24 次实施欺诈，Sponsio 拦截 18/19。RedCode-Exec（1,410 用例）综合拦截率 98.9%（bash 98.3% · python 99.4%，经 4 轮自我改进从 92.4% 提升），60 文件干净代码审计 0 误报。以上是开源核心版的数据；Cloud 版的 LLM 评审层可将 ODCV-Bench 提升至 ~99%、RedCode-Exec 提升至 99.4%。预约 demo 了解 Cloud 与 Enterprise 版本。
逻辑检查器单合约热路径 p50 0.0052 ms，最重 ODCV 工作负载（每次调用 19 条合约）p50 0.139 ms，比任何 LLM-as-judge 护栏快 5,000×–60,000×（每次检查 50–800 ms），热路径零 LLM 成本。p99 在所有测得工作负载下保持约 1 ms。
查阅完整 benchmark 方法论与按模型拆分、与提示词过滤器 / 输出校验器 / LLM-as-judge / 沙箱的对比，或深入架构与形式化方法入门。
一段 prompt 或两行 CLI 命令即可立即接入。
粘贴到 Claude Code / Codex / Cursor 中。 Agent 会协助走完完整接入流程：
或自行运行 CLI：
pip install sponsio # 或 npm install -D @sponsio/sdk
sponsio init . # 交互式向导：检测框架、选择 IDE host、observe vs enforce向导会自动检测你的框架并打印对应的接入片段。手动接线见 docs/integrations/。OpenClaw 用户开箱即享 ClawHavoc + CVE-2026-25253 覆盖。配置参考、observe → enforce 切换、CI 接线见完整指引。
用自然语言起草合约。 sponsio validate "<一句话规则>" 会把一条自然语言规则转成一份你能读回来的合约。把输出当作起点草稿，enforce 之前先自己 review、按需调整。确定性在于合约在运行时如何被强制执行，而不在于它如何被起草。
开箱即用的 16 个合约 bundle，按层级组织（always-on / per-tool / per-incident）。每个 bundle 是一个 YAML 包，由 Sponsio 的确定性模式组合而成。把它放进 sponsio.yaml，一行即可让 Agent 防护一类已知失败，无需逐合约编写。
# sponsio.yaml: 一行式 bundle 引入
agents:
my_agent:
workspace: "/srv/my-bot"
include:
- sponsio:core/universal # always-on
- sponsio:capability/shell # 若 Agent 会执行命令
- sponsio:capability/filesystem # 若 Agent 会读写文件查看完整 bundle 参考（共 16 个 bundle）或底层 46 个模式。想要面向你 Agent 类型的 bundle？这是目前杠杆率最高的贡献方式。带上事件 / CVE / 模式开 issue。
欢迎提交补丁、问题反馈与新模式提案。从 CONTRIBUTING.md 开始。Sponsio 的威胁建模吸收了公开安全研究，例如 Simon Willison 的 "Lethal Trifecta" 塑造了我们的多工具组合合约。有我们应当防御的威胁模型？开 issue。
Apache 2.0（LICENSE）。
阅读本仓库的 AI Agent：llms.txt 列出了规范文档路径；llms-full.txt 是完整上下文的拼接全量。