本文提出 ClawSentry，一个面向自主 LLM 智能体的渐进式多层安全监控网关。研究背景是：当 LLM 智能体从简单对话扩展到执行代码、读取本地文件、编排外部工具时，单个被恶意第三方技能劫持的智能体可能导致数据泄露、权限提升或级联破坏。作者认为智能体风险是渐进式的：风险可能出现在智能体控制循环的四个位置——技能准入、调用时意图、执行时效果、行动后后果；且一个被拒绝的危险目标可能通过不同的表面形式、工具或轮次重新出现。现有防护通常只针对单一生命周期边界或单个调用，存在局限性。基于这一威胁模型，ClawSentry 采用框架无关的架构，不修改智能体内部结构，通过 Agent Harness Protocol (AHP) 抽象将统一策略应用于 Codex、Claude Code、Kimi CLI 和 Gemini CLI。其核心机制包括：在技能包执行前，First-use Skill Package Review (FSPR) 在确定性证据下限下审计技能包，并将未解决案例升级到受限的只读智能体审查（位置 A）；运行时采用三层渐进决策引擎——确定性 L1 层、规则锚定的 L2 语义审查器、和只读的 L3 证据寻求智能体——仅在残余歧义上消耗上下文审查；同时会话级反绕过机制可识别工具切换和改述重试（位置 B-C）；行动后路径将高严重性证据非追溯地反馈到后续审查（位置 D）。实验结果显示：在 SkillInject 基准上使用 Codex/GPT-5.4，上下文攻击成功率（ASR）从 39.55% 降至 2.61%，而上下文任务成功率（TSR）仅从 83.78% 微降至 83.05%；在 SkillsSafety 基准的五个 Work Agent 上，ClawSentry 将 ASR 限制在 9.09%–15.03%（未防护时为 33.5%–49.7%），干净技能上的总体 TSR 保持在 98.7%。