Туториал: контекстные политики

Goalrail поставляется с набором policies, которые можно подключить к любой live session без кода. Они смотрят на действия агента и вмешиваются там, где нужно: предупреждают о расходах, запрашивают approval или блокируют рискованное действие.

Время: около 5 минут. Все запускается локально.

1. Создайте новую сессию

Откройте web UI и стартуйте любую agent session. В примерах ниже используется Claude Code, но policies работают одинаково для всех agent types.

2. Добавьте policy

Нажмите кнопку info (i) вверху страницы. В session panel будет текущая стоимость сессии и блок Policies. Нажмите +, выберите policy и заполните настройки.

Для примера возьмем Session Cost Budget. Эта policy отслеживает расходы сессии на модели.

У cost policy есть два типа guardrails:

• Soft limits: пороги предупреждения. Когда сессия пересекает такой порог, следующий tool call остановится и попросит подтверждение.
• Hard limit: жесткий предел для expensive models. После пересечения expensive model calls блокируются, пока вы не переключитесь на более дешевую модель или не измените настройки.

После сохранения policy начинает работать сразу для текущей сессии.

3. Посмотрите, как policy срабатывает

Следите за running cost в панели (i).

Soft limit

Когда расход пересечет soft limit, попросите агента вызвать любой tool. Вместо автоматического продолжения Goalrail покажет approval prompt.

Hard limit

Когда расход достигнет hard limit, policy заблокирует следующие tool calls, которые используют expensive model. Переключитесь на более дешевую модель, чтобы продолжить.

Такой же цикл - warn, ask, block - используется и в других built-in policies. Их можно комбинировать под вашу tolerances к расходам, данным и действиям.

Дальше

• Обзор контекстных политик: уровни, scope и способы подключения.
• Встроенные политики: каталог доступных policies.
• Свои политики: Python-функции для правил, которых нет из коробки.