Olivares AI e una piattaforma aperta e self-hostabile che risponde a una domanda a cui la maggior parte dei team oggi non sa rispondere: quali agenti AI stanno girando sulla mia infrastruttura, e cosa può effettivamente raggiungere ciascuno di essi?
Funziona dove girano i tuoi agenti, li scopre passivamente e costruisce una mappa degli accessi lettura/scrittura — per ogni agente, le risorse che può toccare e se può leggerle o leggerle e scriverle. Da li puoi governare quell’accesso e dimostrare, a posteriori, esattamente cosa e successo.
La mappa degli accessi lettura/scrittura
La mappa è il cuore del prodotto (modulo III). Ogni agente AI diventa un nodo; ogni risorsa che può raggiungere — un database, un object store, un server MCP, un’API — diventa un nodo anch’essa; e ogni arco e tipizzato R (lettura) o RW (lettura/scrittura).
Quella distinzione lettura-vs-scrittura e il punto. Un agente che può solo leggere un datastore di produzione ha un raggio d’impatto molto diverso da uno che può scriverlo. La mappa rende questa differenza esplicita anziché lasciarla sepolta in policy IAM sparse.
Permesso vs Osservato
Ciò che distingue la mappa è la differenza tra due livelli:
- Permesso — ciò che un agente ha il diritto di toccare, da concessioni e policy.
- Osservato — ciò che è stato effettivamente visto toccare, dalla telemetria.
Confrontarli evidenzia due segnalazioni che contano:
- Accesso inatteso — osservato ma mai previsto. Ciò che vuoi intercettare.
- Concessioni inutilizzate — permesse ma mai esercitate. La tua lista di riduzione dei privilegi.
Trasparente su ciò che può dimostrare
La mappa non fabbrica mai certezza. La fedeltà è a livelli e mostrata come tale:
- Copertura lettura-vs-scrittura e
cleansulle sorgenti con audit nativo (PostgreSQL via pgAudit, object storage via CloudTrail, data warehouse e data lake),lossysu alcuni document/vector store, eopaquedove semplicemente non può essere ricostruita passivamente (Redis, SQLite, D1) — li l’arco viene marcatounknownanziché indovinato. - Attribuzione e
firmquando una sorgente porta identità per agente e si riduce aapproximatequando un account di servizio condiviso nasconde chi ha fatto cosa.
Vedi sempre quanto il prodotto effettivamente sa: i livelli sono mostrati nella UI anziché nascosti, cosi un arco clean/firm e uno unknown/approximate non vengono mai presentati come la stessa cosa.
Self-hosted e open-core
Olivares AI e open-core: il prodotto completo e libero e open source sotto AGPL-3.0 — non un’edizione community ridotta. Si installa come un singolo binario statico con la console web incorporata.
Il piano di controllo gira all’interno della tua infrastruttura e può funzionare air-gapped — i tuoi dati di governance e osservazione non lasciano mai il tuo perimetro. Un avvertimento onesto: i modelli hosted come Claude non sono self-hostabili, quindi qualsiasi inferenza del modello raggiunge comunque l’API del provider (direttamente o tramite Bedrock/Vertex/Foundry). “Air-gapped” significa i dati del tuo estate restano a casa, non che il modello gira offline. Solo i modelli genuinamente self-hostabili (ad esempio tramite vLLM/Ollama) funzionano completamente offline.
Dove si trova oggi
La piattaforma e pre-1.0. Distribuisce un catalogo di 29 moduli di capacità, tutti collegati in un’installazione standard oggi. Il prodotto e lettura prima di tutto è investigativo per default — osserva e governa, è dove può agire, lo fa deny-closed. Niente qui pretende di fare qualcosa che il codice non fa.
Pronto per vederlo? Inizia con il Quickstart.