Agent 授权还需校验整条执行链
文章指出,身份合法、工具在白名单内,并不能保证连续操作正确:过期报价、跨会话数据、重复下单和累计超额仍可能发生。Agent 安全需要在单次 API 授权之外,检查历史状态与当前动作的关系。
AI 深度解读
Agent 读了客户资料、查了持仓、拿到报价,最后下单。身份合法,工具在白名单里,每次请求也都通过鉴权,交易却仍可能出错:报价过期、审批被重复使用,或者小额操作累积成了大风险。
原文的核心主张是:Agent 的授权不能只看「这一步有没有权限」,还要看「做过前面那些事之后,这一步是否仍然成立」。这对正在给 AI 接生产工具的团队很有用,因为提示词里的谨慎要求,需要变成运行时能执行、能追查的规则。
每次调用都合法,为什么整条流程仍会出错
传统身份与访问管理(IAM)回答的是一类明确的问题:某个服务账号能否调用 execute_trade,某个用户能否读取客户记录。这些检查仍然必要,作者并没有主张用新机制替掉它们。
问题在于,Agent 会自己选择工具和参数。它可能重试、分支、调用另一个模型,再带着新的理由回来调用同一个工具。最终产生的是一条执行路径,而不是一次孤立的远程调用(RPC)。
假设每笔交易都低于审批门槛,Agent 连续执行了 100 笔,总风险仍可能超标。又或者,报价来自两分钟前,客户资料却取自另一个会话。单次鉴权看不到这些关联。
每一步都获准,不代表整条执行路径都获准。
因此,「交易前必须查询最新价格」可以写进提示词,但提示词不能充当强制执行点。任务有歧义、工具返回异常,甚至读到恶意文档时,模型都可能偏离要求。需要保证的规则,应当放在模型无法自行忽略的位置。
有状态授权,要记住哪些事实
原文以 AWS 为 AgentCore Gateway 引入的 temporal policies 为切入点,讨论一种机制:保留会话中的相关历史,再用这些历史判断下一次操作是否允许。这里的「时序策略」不只是检查时间,也检查操作之间的依赖关系。
作者列出了六类规则:
- 顺序要求:先按要求读取对应客户的资料和持仓,再允许交易。
- 时效要求:交易使用的报价必须足够新,并且与交易标的匹配。
- 来源完整性:标识符或金额必须来自获准的上游工具响应,不能直接相信模型读网页后拼出的字符串。
- 累计额度:限制整个会话的交易总额、数据量或成本。
- 审批消费:一次审批只允许执行一次匹配的动作。
- 信任衰减:事实过旧、会话跨越边界,或者操作后果变大时,重新检查。
这些机制在支付流程、工作流引擎和数据库里并不陌生。Agent 带来的变化是,选择下一步的软件具有不确定性,平台需要在它接触真实工具时检查这些约束。
审批尤其能说明问题。操作员批准一笔 $30,000 的交易,如果系统只在上下文记录 approved=true,Agent 可能继续执行第二笔、第三笔,或者在超时后重复下单。
作者建议把审批当成可消费的凭证:只匹配一个动作,动作成功后就消耗掉,新的实质性操作需要新的审批。
数据导出也是如此。「最多导出 100 条记录」要求平台记住已经导出的前 99 条。如果每次请求都重新获得 100 条额度,限制就变成了分页大小。
不过,这里也埋着实现难题:交易已经成功、响应却超时,审批到底有没有消耗?原文没有给出协议细节,只在后文强调了幂等和部分失败恢复。读者不能把这段设计原则直接当成完整方案。
为什么规则要放在 Agent 与工具之间
作者主张设置独立网关,让它负责认证调用方、签发权限范围较小的凭证、评估策略、转发请求并记录结果。
理由很直接:决定调用工具的组件,不应成为唯一判断这次调用是否合规的组件。多个 Agent、MCP server 和模型提供方同时参与时,统一执行点也有助于减少规则分散。
但网关必须难以绕过。如果 Agent 仍持有能直连生产工具的长期凭证,网关里的规则就约束不了所有操作。
作者同时强调了一组基础措施:每个 Agent 和环境使用独立身份,凭证按任务限定范围并尽快过期;网关设置速率与并发限制;工具标明负责人和风险等级;把策略输入、判定结果与实际动作放进同一条追踪记录(trace)。
拒绝原因也要足够清楚。工程师需要知道缺了哪项事实,才能修复流程,否则很容易为了恢复业务而关掉策略。
速率限制在这里负责控制失控后的影响范围。重试循环、受到提示注入的浏览器 Agent,以及成本意外膨胀的推理路径,都需要调用次数、token、连接数或金额上限。但限流无法判断某笔交易是否拿错了报价,仍然需要授权规则。
我的判断
我赞同作者把关注点从单次权限扩展到执行历史。涉及审批、累计额度和数据来源的约束,确实无法仅靠工具白名单表达;提示词可以帮助模型规划,却难以提供确定的执行保证。
但这篇文章是一套架构建议,没有给出团队实测、故障率对照、性能开销或具体配置。文中的交易和导出案例用于解释风险,不能当成已经验证过的收益数据。原文提到 AWS 产品,也没有逐项说明六类规则分别如何配置,不能据此推断它们都能直接开箱使用。
有状态授权的有效性,取决于状态是否可信,以及规则是否定义正确。
如果新建会话就能重置预算,累计限制会被绕过;如果不可信工具能写入「已审批」事件,审批机制就失去意义;如果策略没关联交易标的,另一只资产的新报价也可能让检查通过。
状态还会引入关联 ID、持久化事件顺序、幂等、时钟选择、保留期限和故障恢复等工程成本。尤其是「允许执行」「工具已成功」「审批已消费」之间的关系,不能靠多存一个字段解决。
与固定工作流相比,网关策略适合保留 Agent 的路径选择空间,同时约束危险动作。但如果流程已经确定,用普通工作流明确执行顺序,也可能更容易验证。原文没有提供两者的成本对照,不必为了采用 Agent 再引入一套庞大的控制平台。
作者建议从一个会话边界清楚的流程、两到三个关键约束开始;策略引擎支持时,先用观察模式对照真实流量,再强制执行。这个范围比较务实,前提是团队能把规则验证到底。
能拿来做什么
- 给 AI 接入生产工具前,先为一个高风险流程写清两到三条可检查的规则,例如操作前必须取得匹配对象的有效查询结果、一次审批只能执行一次指定动作,并明确预算绑定的会话边界。
- 在 Node 工具服务或网关中维护可信状态。金额、对象标识和审批依据应能追溯到获准的工具或审批系统,不能只读取模型上下文里的
approved=true。 - 用完整调用轨迹测试策略,覆盖乱序调用、重复请求、过期事实、伪造关联 ID、缺失审批,以及用许多小动作逐步耗尽预算的情况。正常流程通过,只能证明其中一种路径可用。
- 把 Agent 尝试的动作、此前已发生的事件、命中的规则和最终结果记录在同一条 trace 中,让工程师能复现判定。作者提出的凌晨 2 点排障问题很实际:它想做什么,已经做过什么,究竟是哪条规则决定了结果。