企业如何搭建Agent运行底座?从多Agent互操作到安全执行

企业如何搭建Agent运行底座?从多Agent互操作到安全执行

2026年以来,一些过去被Agent框架内部消化的问题,开始被单独提到运行时层面讨论。行业把AI Runtime Infrastructure定义在模型之上、应用之下,用它观察长任务的状态,并在任务偏离、资源异常或策略变化时介入;A2A协议进入1.0版本后,Agent发现、任务状态和结果交付有了更明确的协议对象,OpenTelemetry也在补充Agent与工作流的可观测语义。多Agent进入企业时,架构讨论已经不能只停留在“哪个Agent效果更好”,还要回答不同Agent怎样被发现、调用和追踪。

这给企业自建Agent平台提供了一个新的思路。运行底座不必要求各部门改用同一种框架,也不必把所有任务搬进同一种计算环境。平台可以先统一Agent参与企业运行时必须遵守的几份契约,再用适配器连接现有Agent。部门保留开发自由,平台团队获得可执行的管理边界。

统一框架很难,统一运行契约更现实

企业里的Agent通常不会来自同一个技术栈。一个团队使用开源框架开发研究Agent,另一个团队采购行业Agent,部分员工还会在桌面端运行本地助手。要求它们共享内部代码和编排方式,迁移成本很高,也容易让平台建设卡在框架选型上。

运行底座更适合统一外部行为。Agent怎样声明自己的能力,接到任务后如何回报状态,以什么身份访问工具,执行过程怎样进入监控,这些内容可以形成稳定接口。当前公开规范已经给出了一些可参考的对象:

运行契约要解决的问题可参考的公开对象
能力契约平台怎样发现Agent及其调用要求Agent Card、Skill、服务端点、安全方案
任务契约长任务怎样暂停、继续和交付结果Task、TaskState、Context、Artifact
身份契约谁调用Agent,Agent又代表谁调用工具入站身份、出站身份、短期凭据
观测契约跨Agent调用怎样进入同一条执行链Agent Span、Workflow Span、Tool Span

把这些边界固定下来,平台才有可能接管运行过程。至于Agent内部使用什么模型、怎样规划任务、是否采用多Agent编排,仍由开发团队决定。企业不需要先消除所有框架差异,只要求接入的Agent在边界处提供可验证的输入和输出。

Agent清单要能被机器读取

A2A 1.0规范使用Agent Card描述一个Agent的身份、能力、Skill、服务端点和认证要求。客户端在调用前先读取这张卡片,确认对方是否支持流式响应、异步通知或扩展能力。需要认证才能查看的详细信息,还可以通过Extended Agent Card按身份返回。

企业内部未必直接采用A2A,但Agent注册表可以借鉴这种方式。每个Agent提交一份机器可读清单,其中写明负责人、版本、可处理的任务、接入地址、认证方式和支持的交互模式。平台根据清单生成调用适配器,并在Agent升级时检查兼容性。

清单里不应保存静态密钥。它只声明认证要求,调用方通过身份系统另行取得凭据。这样,Agent信息可以进入企业目录并被其他Agent发现,凭据仍然按照人员、租户和任务动态发放。某个Agent下线或版本存在问题时,平台停用对应清单即可阻止新的任务分配,不需要逐个修改上游Agent的Prompt。

任务协议要从聊天会话中独立出来

对话系统习惯把一次交互理解成消息请求,Agent更常遇到长时间运行和中途等待。A2A将Task定义为带有唯一标识的有状态工作单元,并区分已提交、执行中、完成、失败、取消、等待输入、等待认证和拒绝等状态。任务还可以持续产生Artifact,用来传递文档、文件引用或结构化结果。

这些状态比“成功或失败”多了一些,但能减少多Agent协作中的误判。资料收集Agent需要访问受限系统时,可以返回AUTH_REQUIRED,上游Agent不必把它当作失败任务重新创建;法务人员需要补充合同附件时,任务进入INPUT_REQUIRED,已有Artifact和历史记录继续保留。补充条件满足后,原任务接着执行。

企业运行底座可以把这套任务语义映射到内部状态机。一次任务在多个Agent之间转交,task_id与context_id继续保持关联;子Agent产生的Artifact回到父任务后,平台记录版本和来源。执行节点重启或用户暂时离线,任务状态仍然保存在运行底座里,不依赖某个进程或聊天窗口。

任务协议还要明确取消的含义。数据库中把状态改成CANCELED并不会自动停止脚本,上游Agent也可能继续等待结果。调度器发出取消命令后,执行节点需要终止相应进程,关闭工作区写权限并回报最终状态。只有完成这些动作,取消才算结束。

Agent身份要分成入站和出站

员工调用Agent时,平台要识别发起人和所属组织,这是入站身份。Agent随后访问代码仓库、内部接口或第三方服务,还需要一份出站身份。两类身份混在同一个固定服务账号里,平台只能查到“某个Agent调用了工具”,很难还原实际授权来源。

Amazon Bedrock AgentCore的安全文档给出了一个值得关注的工程提醒:网关策略只有在全部流量经过网关时才有效,如果调用方可以直接访问Runtime,策略、Guardrail和拦截器都会被绕过。文档同时建议把OAuth凭据和API Key交给身份组件管理,避免凭据进入Agent代码或日志。

企业自建运行底座时也要处理这条旁路。工具网关负责校验调用者和目标工具,Runtime只接受来自网关的请求;Agent根据当次任务取得短期凭据,工具调用结束后凭据失效。业务系统继续做最终鉴权,网关不复制一套业务权限。这样既能保留现有身份体系,也能阻止Agent绕开平台直接连接工具。

多Agent转交任务时,身份不能只传一个用户名。父Agent需要传递委托范围,子Agent获得的权限不得超过原任务。发生再次委托时,平台保留委托链和有效期。某个子Agent即便具备更强的工具能力,也只能在这次任务允许的范围内使用。

可观测数据也需要公共语义

多Agent平台常见的另一类问题是日志无法拼接。Agent A记录“已委托”,Agent B记录“开始处理”,工具网关只留下一个HTTP请求,运维人员很难判断三条记录是否属于同一项任务。

OpenTelemetry的GenAI Agent语义规范正在定义invoke_agent、invoke_workflow和plan等Span,并为Agent ID、Agent版本、会话ID和错误类型提供统一属性。一次多Agent任务可以由Workflow Span统领,下挂Agent调用和工具执行,平台再用Trace ID关联业务日志。

这项规范目前仍标记为Development,字段和命名可能继续变化。企业可以先做内部映射层,不要把尚未稳定的字段直接固化为数据库主键。采集内容也要受数据策略控制:任务标识、耗时、错误类型和工具名称通常可以进入遥测系统,原始Prompt、文件内容和工具返回值则应按敏感级别决定是否记录。

统一观测语义的价值会在故障时体现出来。上游Agent等待超时,平台沿Trace ID可以看到子Agent已经完成规划,但工具调用被身份网关拒绝;修复权限后,只重放失败步骤,无需重新执行整条工作流。

安全执行是运行协议的最后一段

A2A负责Agent之间怎样协作,OpenTelemetry负责怎样记录调用链,它们都不直接限制进程能够读取哪些文件或访问哪些网络。任务进入执行节点后,仍然需要安全执行环境落实策略。

凡泰AI的产品体系把这两部分分开处理。FinClaw承担企业Agent中台的运行管理,将租户、数字员工、Skill、运行实例和工作区纳入同一平台,保存任务进度和执行记录。不同来源的Agent可以通过适配器进入平台,具体采用哪种协议则由项目接入方式决定。

FinSafe处理代码执行与高风险工具调用。中心端可以在企业内网提供Sandbox as a Service接口,本地端用于必须处理终端文件的任务。策略随执行请求进入沙箱,约束可读写目录、网络和资源;执行结果连同策略版本返回管理侧。FinClaw知道任务由谁发起、交给哪个Agent以及运行到了哪一步,FinSafe记录实际动作在哪个边界内完成。

现有IAM继续提供人员身份,业务系统保留最终鉴权,MDM负责终端分发和设备状态。运行底座利用这些系统提供的结果,不需要把企业原来的安全体系再造一遍。

用两个异构Agent测试运行底座

运行底座的第一项测试,可以选择两个技术栈不同的Agent完成一次任务交接。例如合规Agent接收材料检查任务,把证据收集交给文档Agent;文档Agent访问受限文件时返回等待认证,员工完成授权后继续处理,并把结构化Artifact交回合规Agent。最后一步进入沙箱执行,生成结果文件但不直接写回业务系统。

这条任务可以验证四个容易被普通演示忽略的分支:

测试动作平台需要给出的结果
修改子Agent的能力清单上游调用前识别版本变化或不兼容能力
让子Agent返回等待认证原任务保留状态,完成认证后继续运行
尝试绕过网关直接调用RuntimeRuntime拒绝请求,不执行目标工具
让工具执行失败Trace ID定位到失败Span,只重放对应步骤

完成这轮测试,企业才能确认运行底座管理的是Agent之间的运行关系,而不只是若干服务实例。后续接入新Agent时,平台检查能力清单、任务协议、身份方式和遥测映射;高风险执行再进入统一安全边界。Agent框架可以继续变化,企业的调用规则和运行记录不会跟着某个框架一起丢失。

给框架变化留出余地

从这些公开规范可以看到,企业Agent平台正在补齐一套独立于具体框架的运行协议:能力声明用于发现Agent,任务状态支撑长时间协作,入站与出站身份限制委托范围,可观测语义负责串联跨Agent调用,安全执行环境则约束最终落到系统上的动作。

这些标准仍在演进,企业没有必要等它们全部稳定,也不宜把某一份草案直接做成内部数据库结构。运行底座可以保留协议适配层,把外部规范映射到企业自己的Agent目录、任务状态和审计模型。这样做不追求一次选对永久不变的框架,而是让更换Agent框架或升级协议时,已经接入的业务流程和历史运行记录不必重新建设。

Read more

DeepSeek Harness 安全运行测试,看看是否可以突破系统限制,成为“破坏性Agent”

DeepSeek Harness 安全运行测试,看看是否可以突破系统限制,成为“破坏性Agent”

把工作交给AI,越来越像给同事交代一句话。写个脚本,把几份表格汇总,开发一个小工具,再把视频剪出来。聊天窗口里,Agent列出计划,运行工具,交回结果。 用户看见的是完成后的文件,电脑执行的却可能是几百行临时生成的代码。很多操作绕过了熟悉的图形界面,直接由脚本调用系统接口。用户没见过某个设置页面,也可能已经授权Agent启动了一个有能力修改它的进程。 那些代码打开过哪些进程,读写了什么,碰过哪些系统设置,大多数人不会逐条检查。看到Agent带着“沙箱”两个字,也很容易直接把它当成一道已经生效的保护。 FinSAFE百炼场公开了一组围绕DeepSeek Harness(DSH)的Windows对照测试。弹窗风暴、剪贴板替换和注册表配置删除,都能在里面找到实际请求、工具返回以及独立观测。本篇沿着这几组记录,看看一句话变成系统调用之后,电脑到底发生了什么。 同样的任务,执行权限决定电脑发生什么 这些测试把同一项操作交给普通DSH和受FinShield保护的DSH,观察两边结果。正式对照都采用Full Access模式,减少逐条命令审批,防护组额外加载FinSA

By Ricky
电脑装上AI Agent软件后,自带的沙箱真的能做好运行管控吗?

电脑装上AI Agent软件后,自带的沙箱真的能做好运行管控吗?

现在一台电脑装两三个Agent,已经非常常见。写代码时用一个,整理文件时换一个,还有的能直接打开应用、操作桌面。不少Agent自带沙箱,可以限制脚本访问哪些目录、连接哪些地址。可同一个Agent里,能拦住一条终端命令的规则,未必也管得到它用的文件工具和桌面操作。电脑上装了几个助手,还得分别看看它们的沙箱管到了哪里。 比如,你让Agent从报价表里提取产品名称和价格。表格打不开,它可以先查路径,也可能直接尝试改文件权限。你交代的还是同一个任务,电脑收到的却已经是一次修改授权的请求。Windows会根据发起请求的进程拥有什么权限,决定让不让它改。 接下来分享几组真实的Windows对照测试。测试人员用DeepSeek Harness(DSH)对专用样本发起操作,再比较普通运行和受保护运行的结果。有的文件内容一点没动,编辑权限却变了。有的配置从注册表里消失了。还有一次,用户复制的文字在粘贴之前就被换掉了。 文件原封不动,能改文件的人却变了 在SYS-02这组测试里,测试人员准备了一个样本文件,给Windows的Users组设了修改权限,再让Agent移除这条授权。普通组执行成功

By Ricky
员工自装Agent,企业用FinShield统一管控资料权限

员工自装Agent,企业用FinShield统一管控资料权限

作为企业IT管理部门,最近最需要关心的问题是,如何管理好员工使用的AI Agent的工具? 一方面是软件的负责程度,Agent时代不像过去的软件一样,可以公司统一采购下发安装,某个具体的功能全公司用一个软件就能实现,很容易就能够做到统一的管控,保证企业数据的安全; 另外更重要的一方面是,Agent的强大能力,每个Agent都能自己写脚本,绕过GUI页面直接修改底层的数据,本身很多员工就是电脑小白,对电脑的认知不足,经常容易在不经意间造成信息泄漏。 今天就分享一个免费的技术方案,详情可以见GitHub地址~ 以企业的场景为例: 一位售前同事跟进A、B两个项目,工作账号能打开两边的报价。准备A项目投标时,他把招标文件交给桌面Agent,生成响应初稿。这次任务用得上A项目的招标文件和公司模板,用不上B项目的报价。把整个网盘同步目录开放给Agent,就把B项目的报价也放进了Agent能访问的范围。 可以借助FinShield给员工和Agent分别设置访问边界。员工照常查阅自己负责的项目,桌面Agent通过FinShield启动后,按企业策略读取资料、写入结果。投标任务的权限可以很具

By Ricky
字节被曝拟限制外部AI访问内部资料,企业该管到哪一步?

字节被曝拟限制外部AI访问内部资料,企业该管到哪一步?

[[RYAN_FINCLIP_GHOST_IMAGE_01]] 据 11 月 3 日的媒体报道,字节跳动计划从 11 月起限制Claude、Codex等外部AI工具访问L4级代码仓库和飞书文档。 员工自购的账号也在报道所述的限制范围内。报道提到部分Seed使用场景例外。目前尚未找到字节公开发布的通知原件。 值得企业关注的是,报道把限制落到了具体资料上。一名员工有权限打开内部文件,通常是因为他需要用这份资料完成工作。把文件交给外部AI服务处理,多了一次数据传递,也多了一个处理方。哪怕用的是公司购买的账号,这次传递也需要有明确的授权。 资料交给AI之后,风险会走到哪儿? 在聊天框里粘贴一段合同,员工至少能看到自己交出去的内容。用了能读文档或代码的插件,实际送给模型的内容还可能包括工具自动带上的上下文。员工界面上只看到一句提问,公司却要知道请求里究竟包含了什么。 源文件从对话界面删掉以后,服务商侧是否仍有日志或其他副本,得看实际配置和服务条款。等出了问题才翻合同,往往连该找谁核对都要重新查。 还有一种暴露发生在公司内部。知识库如果用同一个高权限账号取资料,检索时又没按提问者的

By Ricky