开发者开源了一款基于 eBPF 的 Linux USB 流量抓包工具 usbscope。传统 tcpdump 抓取 USB 流量依赖内核的 USB_MON 配置，生产环境操作较重。该工具使用 Rust 与 aya 框架开发 eBPF 程序。针对 Rust 编译器对 eBPF CO-RE 支持尚不完善的问题，项目通过 C 语言编写 shim 层处理相关逻辑，再与 Rust 代码混合编译生成字节码。这种方案避开了繁琐的内核配置，为底层调试提供了一种轻量且高效的实现参考。
Netra 是一款面向生产环境的旁路流量分析工具，通过接入交换机镜像口（SPAN）实现网络流量监控。该项目近期完成了前端重构与稳定性优化，已在生产环境连续运行一个月。 核心技术特点包括： 1. 架构轻量化：采用单二进制部署，内置 SQLite 与 DuckDB，无需额外维护 Redis 或 ClickHouse 等复杂基础设施。 2. 高性能采集：利用 XDP/eBPF 技术在内核侧进行包处理与聚合，有效降低用户态处理压力，适应高包速率场景。 3. 数据查询：依托 DuckDB 的列式存储引擎，支持海量流量数据的快速聚合查询。 4. 智能化集成：支持通过自然语言进行历史流量查询，并提供 MCP 接口，可与 CMDB、威胁情报平台及内部安全系统对接，为开发者提供更灵活的扩展能力。
AgentSight 是一款近期在 Hacker News 亮相的 AI 智能体监控工具。它基于 eBPF 技术实现，最大的优势在于零代码侵入：开发者无需修改现有代码，就能实时捕获和追踪 AI 智能体的运行状态。这大幅降低了生产环境中排查智能体行为、定位性能瓶颈和调试复杂交互的门槛，有效提升了 AI 应用的透明度与可维护性。
Netra 是一款基于 eBPF 的网络流量可视化工具，采用旁路镜像模式不侵入业务链路，支持多网卡并行采集。其核心由单一二进制文件构成，集成 Web 控制台、eBPF 采集引擎和存储查询系统。在生产环境 20Gbps 专线实测中，Netra 在处理 10.1Gbps/160 万 pps 峰值流量时保持零丢包，在 40 核服务器上仅占用约 3% CPU 资源。存储层结合 DuckDB 与按小时封存的 Parquet 文件，实现亿级数据查询 2 至 3 秒内完成。项目目前已支持接入 AI 及 MCP 协议，方便对接内部工具链。