Beobachtetes Signal · 28. Mai 2026 · Product Launch · Quelle: DEV Community · Relevanz: 1/5 · Sentiment: Neutral
Aigent.ly: Open-Source-Schicht zur Schwachstellenprävention beim KI-Coding
Abdu El hat auf der DEV Community Aigent.ly vorgestellt, eine Open-Source-Sicherheitsschicht, die gezielt zwischen Entwicklern und KI-Codierwerkzeugen agiert. Das System überwacht den Sicherheitskontext von KI-Tools in Echtzeit, erkennt veraltete oder fehlerhafte Code-Muster sowie kritische Abhängigkeiten und verhindert so, dass bekannte CVEs durch KI-gestützte Entwicklung vorgeschlagen oder übernommen werden. Die Lösung ist leichtgewichtiger Natur, Open-Source-basiert und frei von Vendor-Lock-in; den Quellcode stellt der Autor auf GitHub im Repository aelbuni/aigently-catalog bereit. Laut der Ankündigung ist Aigent.ly kompatibel mit gängigen KI-Coding-Assistenten wie Claude Code, Cursor, Windsurf sowie GitHub Copilot und lädt Entwickler aktiv zu Beiträgen und Feedback ein.
Die Ankündigung eines Open-Source-Sicherheitstools für das KI-gestützte Coding ist für Entwickler hochrelevant, hat jedoch nur begrenzte unmittelbare Auswirkungen auf die breitere AdTech-Branche.
Marktsignale zu DEV Community in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren Polaris7-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Aigent.ly fungiert als Open-Source-Schicht zur Vermeidung von Schwachstellen in KI-Coding-Tools.
- Das Tool überwacht den Sicherheitskontext in Echtzeit und warnt vor unsicheren Mustern.
- Kompatibel mit KI-Assistenten wie Claude Code, Cursor, Windsurf und GitHub Copilot.
- Das GitHub-Repository ist unter https://github.com/aelbuni/aigently-catalog verfügbar.
- Der Beitrag wurde am 28.05.2026 von Abdu El auf der DEV Community veröffentlicht.
Verknüpfte Unternehmen
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Sicherheit für KI-generierten Code: Vom Prompt bis zum Pentest
Codacy veranstaltete eine Session mit Jordan Constantine (Head of Offensive Security bei WorkNest Secure) und Codacy-CTO Kendrick Curtis zu typischen Schwachstellen der KI-gestützten Entwicklung und praktischen Gegenmaßnahmen. Die Diskussion klassifizierte vier Verwundbarkeitskategorien — unsichere Dependencies und Malware, schädliche MCP-Server, Prompt Injection sowie unbeschränkte Agenten-Berechtigungen — und skizzierte Fixes wie die Durchsetzung eines minimalen Paket-Alters in der .npmrc, kuratierte Allowlist-Verfahren, bereichsspezifische Token für MCPs, Agenten-Sandboxing mit Vault-Schlüsseln sowie das Prinzip der minimalen Rechtevergabe (Least Privilege). Zwei Angriffs-Walkthroughs verdeutlichten reale Risiken: Ein Chatbot offenbarte Datenbankdetails und führte zur Exfiltration von Nutzer-Hashes, während die Dokumenten-Ingestion von LLMs AWS-Credentials über Redirects und vektorisierte Datenspeicher preisgab. Die Experten betonten, dass KI wie kritische Infrastruktur mit starker Governance, strikten Berechtigungskonzepten und agiler Incident Response behandelt werden muss.
Claude-Code-CVEs offenbaren Sicherheitsrisiken in KI-generiertem Code
Sicherheitsforscher haben zwei kritische Schwachstellen in Anthropics Claude Code aufgedeckt: CVE-2025-59536 (CVSS 8.7) ermöglichte durch bösartige .claude-Einstellungen eine sofortige Remote Code Execution beim Start, während CVE-2026-21852 (CVSS 5.3) eine unbemerkte Umleitung des API-Traffics inklusive Authentifizierungs-Headern auf Angreiferserver verursachte. Beide Schwachstellen wurden in den Versionen 1.0.111 und 2.0.65 gepatched. Ein Bericht von DryRun Security ergab zudem, dass 87 Prozent der sequenziellen Pull Requests von KI-Coding-Agenten (Claude, OpenAI Codex, Google Gemini) mindestens eine Sicherheitslücke aufwiesen, was insgesamt 143 Probleme zur Folge hatte. Der Vorfall unterstreicht, dass Entwicklungsteams KI-Konfigurationsdateien als ausführbar behandeln, bei jedem Pull Request Scans durchführen, API-Keys regelmäßig rotieren und lokale Security Gates wie das Open-Source-Tool LucidShark CLI implementieren müssen, um das Risiko im Software Development Life Cycle zu minimieren.
KI-Coding-Agenten lassen in wachsenden Codebasen architektonische Schwächen erkennen
Ein DEV-Community-Beitrag vom 8. Mai 2026 beleuchtet, warum KI-Coding-Agenten bei skalierten Projekten an Leistung verlieren: Modelle behalten zwar den lokalen Dateikontext, können jedoch nicht zuverlässig über die Architektur des gesamten Projekts razonieren. Dies führt zu Code-Duplizierung, totem Code und widersprüchlichen Konventionen. Der Autor r-via hat zur Lösung Anatoly entwickelt – einen Open-Source-Audit-Agenten (AGPL3) unter github.com/r-via/anatoly, der evidenzbasierte, schreibgeschützte Audits über eine gesamte Codebasis durchführt. Anatoly nutzt tree-sitter für das AST-Parsing, einen Claude-Agenten mit schreibgeschützten Tools wie Grep, Glob und Read, einen lokalen semantischen RAG-Index aus Xenova-Embeddings und LanceDB sowie eine Zod-validierte JSON-Ausgabe. Der Entwickler arbeitet derzeit an einem Remote-Audit-Workflow und sucht nach kostenlosen Repositories zum Scannen, um das Tool weiter zu optimieren.
Alle künftigen Signale zu DEV Community & Wettbewerbern im Briefing erhalten
Verpassen Sie keine M&A-Transaktionen, Führungswechsel, Kunden-Etats oder Produkt-Launches mehr. Polaris7 überwacht über 20.000 Primärquellen rund um die Uhr und liefert evidenzbasierte Telemetrie direkt in Ihr wöchentliches Executive Briefing.
