Agilidade construída com inteligência.

# Exemplo de guardrail aplicado a agentes autônomos em produção
# Valida prompts, aplica rate limit semântico e isola tools por escopo

from agili.security import (
    PromptInjectionDetector, TokenBudget, ToolSandbox, AuditSink
)

class SecureAgent:
    def __init__(self, tenant_id: str):
        self.detector = PromptInjectionDetector(threshold=0.92)
        self.budget   = TokenBudget(tenant=tenant_id, ceiling=50_000)
        self.sandbox  = ToolSandbox(
            allowlist=["search", "read_doc"],    # least privilege
            require_approval=["send_email", "write_db"]
        )
        self.audit = AuditSink(sink="splunk://soc", redact_pii=True)

    async def run(self, user_input: str) -> str:
        # 1. Detecta tentativa de prompt injection antes do LLM
        if self.detector.is_adversarial(user_input):
            self.audit.emit(event="injection_blocked", input=user_input)
            raise SecurityViolation("Input flagged by classifier")

        # 2. Rate limit semântico (não apenas por request)
        await self.budget.reserve(tokens=estimate_tokens(user_input))

        # 3. Tools executam em sandbox com escopo restrito
        async with self.sandbox.session() as tools:
            response = await llm.generate(
                system=HARDENED_SYSTEM_PROMPT,
                user=user_input,
                tools=tools,
            )

        # 4. Output tratado como untrusted — sanitiza e valida
        return sanitize_output(response, mode="strict")