Guide complet OpenClaw : sandbox AI Agent Mac cloud de zéro à la production

Ce qu'OpenClaw résout en production

Un AI Agent peut modifier du code, exécuter des shells, accéder au réseau — des permissions mal cadrées entraînent des configs cassées ou des fuites de clés. Sur la chaîne de dev macOS, le risque est amplifié : Xcode, signature et Neural Engine exigent macOS ; les conteneurs Linux classiques ne suffisent pas ; un Agent à nu n'offre pas de frontière auditable.

OpenClaw trace sur chaque Mac mini M4 physique SpinMac un périmètre d'action configurable, traçable et interruptible par tâche, tout en gardant les capacités natives macOS. Ce document couvre le passage de la « session solo » à l'environnement de production équipe + CI.

Activation en quatre étapes dans la console

1. 01
   Commander une instance Mac mini M4

   Sur la page de commande, choisissez l'un des cinq nœuds — forfait de base à partir de 21,2 $/jour. Livraison automatique 1–5 minutes après paiement, e-mail avec identifiants SSH et VNC.

2. 02
   Console → Instances → onglet OpenClaw

   Première visite : initialisation zero trust — paire de clés Ed25519, installation de com.spinmac.openclaw.daemon, création du répertoire d'audit /var/log/openclaw/.

3. 03
   Configurer politique d'accès et membres

   Dans « Contrôle d'accès », ajoutez des collaborateurs avec les rôles Owner / Operator / Auditor. Operator peut lancer des sessions ; Auditor lit uniquement les journaux d'audit.

4. 04
   Installer le CLI et vérifier

   La console fournit un script d'installation et le téléchargement du token. Exécutez claw status — confirmez daemon: running et auth: valid.

La console offre aussi un tableau de bord temps réel : sessions actives, CPU/mémoire par session, statistiques BLOCK sur 24 h, export PDF de synthèse conformité pour revue sécurité.

Aperçu des groupes de commandes CLI

L'exploitation quotidienne tourne autour de claw, regroupé par fonction :

# Status
claw status
claw doctor

# Sessions
claw run --config policy.yaml
claw run --template ci-review --detach
claw attach <session-id>
claw stop <session-id>
claw list

# Templates
claw template list
claw template export agent > policy.yaml
claw template save my-ci-policy

# Audit
claw audit tail <session> --follow
claw audit query --since 24h --action BLOCK
claw audit export <session> --format json

# Network dry-run
claw net test --domain api.openai.com

claw doctor doit entrer dans les contrôles de routine : daemon, autorisation Endpoint Security, répertoire d'audit inscriptible, validité du token. En cas d'échec de démarrage sandbox avec message vague, lancez d'abord le diagnostic.

Politique YAML niveau production — détail

Configuration complète courante pour un Agent en production, avec explication des champs :

version: "1"
session:
  name: "prod-agent"
  auto_cleanup: false
  max_duration: "4h"
  idle_timeout: "30m"

filesystem:
  workspace: "~/agent-workspace"
  readonly_mounts:
    - /Applications
    - /usr/local/bin
    - /Library/Developer
  deny:
    - ~/.ssh
    - ~/Library/Keychains
    - ~/Library/Application Support/Cursor/User/globalStorage

syscalls:
  preset: "agent"
  deny: [ptrace, setuid, mount]

network:
  allow_domains:
    - "api.openai.com"
    - "api.anthropic.com"
    - "*.github.com"
    - "registry.npmjs.org"
    - "pypi.org"
  block_all_others: true
  log_blocked: true

Le bloc session pilote le cycle de vie : max_duration et idle_timeout évitent les sessions sans surveillance qui monopolisent les ressources ; auto_cleanup: false convient aux tâches de génération de code dont il faut conserver le résultat.

Dans filesystem, deny prime sur readonly_mounts. OpenClaw résout le chemin réel des symlinks — si Homebrew pointe vers Cellar, montez aussi le répertoire Cellar.

Pour network, gardez block_all_others: true et log_blocked: true : le trafic sortant non autorisé est ignoré mais reste tracé.

Zero trust multi-utilisateurs et modèle de rôles

En équipe, trois rôles au principe du moindre privilège :

Chaque rôle s'authentifie via un token CLI dédié, valide 24 h par défaut ; l'Owner peut révoquer en un clic et mettre fin aux sessions actives associées. Pour les consultants externes, émettez un token Guest limité dans le temps, expirant automatiquement.

Exemple d'intégration GitHub Actions

Après avoir enregistré un SpinMac M4 comme self-hosted Runner, vous pouvez créer une session sandbox dédiée à chaque revue dans le pipeline PR :

# .github/workflows/ai-review.yml
name: AI Code Review (Sandboxed)
on: [pull_request]

jobs:
  review:
    runs-on: self-hosted
    steps:
      - uses: actions/checkout@v4

      - name: Start OpenClaw sandbox
        run: |
          claw run --template ci-review --detach
          SESSION=$(claw list --json | jq -r '.[0].id')
          echo "SESSION_ID=$SESSION" >> $GITHUB_ENV

      - name: Run AI review agent
        run: |
          claw attach $SESSION_ID --exec \
            "claude -p 'Review this PR for security issues'"

      - name: Export audit log
        if: always()
        run: |
          claw audit export $SESSION_ID \
            --format json \
            --output audit-${{ github.run_id }}.json

      - name: Stop sandbox
        if: always()
        run: claw stop $SESSION_ID

Placez le modèle YAML ci-review dans .openclaw/ du dépôt, synchronisé avec le workflow ; les changements de politique passent par Code Review, l'équipe sécurité peut auditer directement les limites effectives.

Usages avancés des journaux d'audit

Requêtes groupées conditionnelles — filtrez par heure et type pour traquer un comportement anormal :

claw audit query --since 7d --action BLOCK --type network --format table

claw audit query --since 24h --action BLOCK --type write --format json \
  | jq '.[] | select(.target | contains("/etc"))'

Export conformité : JSON, CSV, PDF. Le PDF inclut résumé de session, stats ALLOW/BLOCK, instantané de politique et chronologie, prêt pour l'audit.

Règles d'alerte : seuils configurables en console, ex. « BLOCK > 50/h par session » ou « tentative de lecture ~/.ssh », notification e-mail ou Webhook à l'Owner.

Pannes fréquentes et optimisation des performances

L'audit complet consomme environ 3 % CPU, négligeable sur M4 10 cœurs. En cas de latence extrême, désactivez l'audit syscall fin et gardez fichier/réseau — en production, l'audit complet reste recommandé. Si le répertoire d'audit grossit trop vite, ajustez la rétention en console ou archivez par session vers l'object storage pour ne pas saturer le disque.

Checklist sécurité avant mise en production

Avant la prod, validez point par point :

Session dédiée par tâche ; YAML de politique dans Git avec Code Review ; ~/.ssh, Keychain et stockage global IDE toujours en deny ; réseau refusé par défaut puis liste blanche au besoin ; définir max_duration et idle_timeout ; droits minimaux par membre, revue régulière des tokens ; en CI, exporter l'audit avec if: always() ; alertes BLOCK ; archiver tous les logs avant résiliation. Après changement de preset syscall ou liste blanche réseau, validez avec claw net test et un court essai pour éviter un échec silencieux du pipeline ou une zone d'audit trop permissive.

Différences avec exécution locale nue et macOS cloud public

MacBook local nu : l'Agent a les mêmes droits que la machine principale, pas d'audit au niveau opération, swap fréquent sur 8 GB en tâches longues, difficile de porter la CI 7×24.

Instance macOS cloud publique : souvent virtualisée, Neural Engine non direct, sans sandbox ni audit intégrés, durée minimale et tarif unitaire souvent supérieurs à une machine physique flexible à la journée.

GitHub Actions macOS Runner : facturation à la minute, tarif macOS élevé, environnement partagé, politiques peu granulaires, files d'attente marquées aux heures de pointe.

SpinMac propose Mac mini M4 physique dédié (dès $21.2/jour), OpenClaw intégré, livraison 1–5 min sur cinq nœuds, support humain 7×24 — collaboration, CI et audit décrits ici reposent sur cet environnement clé en main. Si vous évaluez de sortir l'Agent d'une machine locale chargée, testez d'abord une location à la journée sur Singapour ou Japon : même dépôt, même tâche Agent, comparez exhaustivité des logs et temps d'exécution avant de fixer la revue en production dans le cloud.