Kastra 把 AI Agent 的动作放到执行前检查：先判断能不能做，再把允许、需要人工确认或拒绝的结果写进审计记录。它适合拿来管 Claude Code、Codex CLI、Cursor 这类会碰 shell、文件、数据库或 API 的工作流。
一句话判断
个人开发者可以先用 Free 层，在隔离仓库里跑一轮只读任务；团队要不要付费，先看误拦率、每月决策量和审计记录能不能真的复盘。
Kastra 官方主页把检查对象写成 prompt、tool call、shell command 和 API request，并把产品定位为「运行时授权层」，不是监控、通用内容过滤或事后日志。官方页面还标注了 sub-millisecond 决策，这是产品方口径，不等于我对你的工作区做过性能验证。1
60 秒上手路线
官方 Quick Start 给了两条入口：macOS 菜单栏 App，或终端 CLI。CLI 路线可以这样走：2
- 安装 Edge：
brew install kastra-labs/tap/kastra-edge - 登录设备：
kastra-edge login - 连接 Agent：
kastra-edge install-cursor - 检查状态：
kastra-edge status
官方说明这套 CLI 也可用于 Apple Silicon / Intel Mac 和 Linux；Quick Start 把 Claude Code、Codex、Cursor 列为接入对象。CLI 和桌面 App 是分开的下载，别把它们当成同一个安装包。2
我的建议是先接一个可回滚的测试仓库，只跑
ls、git status、单元测试这类低风险任务，先观察 shadow mode 的决策记录，再考虑开启阻断。这里没有把 Kastra 直接接进真实项目长时间运行，所以图片里的路线是「可执行的首轮测试」，不是实测性能报告。价格和调用成本
- Free：$0，1 人 1 机，每月 50K 次授权决策，审计保留 7 天。
- Pro：$19.99 / 开发者 / 月，每月 1M 次决策，审计保留 90 天。
- Team：$49.99 / 开发者 / 月，3 人起，每月 10M 次决策，审计保留 1 年以上。
- Enterprise：按规模和部署方式定制，包含多区域、自托管或私有云等选项。
Kastra 的计量单位不是 token，而是每次进入 decision engine 的 AI action；一条复杂策略也按一次决策计算。3
和现有控制怎么分工
- Claude Code 原生权限已经默认采用只读优先，修改文件、运行测试和执行 Bash 通常需要明确许可，也能在设置里写 allow / deny 规则。适合个人先把权限范围收紧。4
- Cloudflare AI Gateway 重点是模型流量的分析、日志、缓存、限流、重试和模型回退。它解决的是请求治理，不等同于对 Agent 每个 shell、文件或数据库动作做授权。5
- Kastra 的位置更靠近动作执行边界，官方还提供 Edge、Recon 和审计证据。它的价值前提是：你的 Agent 已经不只是聊天，而是会对真实系统动手。6
我的结论
值得试，但先别直接接生产。个人开发者用 Free 层跑低风险任务，先看它是否误拦你的常用命令；团队则先测决策量、策略维护成本和审计记录是否足够回答「谁在什么时候做了什么」。如果你的 Agent 只做文本问答，Claude Code 或现有网关的控制可能已经够用。
Comentar
Inicia sesión para comentar.