拓冰网站定制 
Agent Governance Toolkit 10 分钟快速入门从零构建受治理 AI 智能体【免费下载链接】agent-governance-toolkitAI Agent Governance Toolkit — Policy enforcement, zero-trust identity, execution sandboxing, and reliability engineering for autonomous AI agents. Covers 10/10 OWASP Agentic Top 10.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-governance-toolkit本文是 Agent Governance Toolkit 的繁體中文快速入門指南。你將在 10 分鐘內完成從安裝、驗證到寫出第一個「受治理智能體」的完整流程學會如何讓每一次工具呼叫都在執行前通過策略引擎檢查並了解如何將治理能力接入 LangChain、CrewAI 等主流智能體框架以及如何用內建 CLI 核對 OWASP Agentic 安全覆蓋率。讀完本文你將具備在 Python、TypeScript/Node.js 與 .NET 三種技術棧下部署治理層的實戰能力。架構概述治理層如何在執行前攔截每一個智能體操作Agent Governance Toolkit 的核心思路非常直接在智能體真正執行任何操作工具呼叫、模型呼叫、輸入輸出之前先讓一個獨立的治理層做策略判定。只有判定為允許Allowed的操作才會進入執行階段被攔截Blocked的操作則直接觸發安全封鎖且無論允許還是封鎖最終都會寫入稽核日誌並流向 OTEL / 結構化日誌這條攔截鏈在倉庫中的落地實現可以參見 AgentControl 與 HostSession 的封裝AgentControl負責把 ACSAgent Control Specification清單綁定到原生運行時HostSession則為每個智能體會話提供同步的攔截點調用介面例如pre_tool_call。後文我們會沿著這條鏈路逐層展開。前置條件Python 3.10 / Node.js 18 / .NET 8.0任選其一或多個。1. 安裝治理工具包Python 最簡單的安裝方式是一次裝入完整工具鏈pip install agent-governance-toolkit[full]也可以按需安裝單獨的套件每個套件對應一類治理能力pip install agent-os-kernel # 策略執行 框架整合 pip install agentmesh-platform # 零信任身份 信任卡 pip install agent-governance-toolkit # OWASP ASI 驗證 完整性 CLI pip install agent-sre # SLO、錯誤預算、混沌測試 pip install agentmesh-runtime # 執行期監督 權限環 pip install agentmesh-marketplace # 外掛生命週期管理 pip install agentmesh-lightning # 強化學習訓練治理從倉庫中的安裝校驗腳本 scripts/check_gov.py 可以印證上述包名與模組的對應關係agent-os-kernel提供agent_os模組、agentmesh-platform提供agentmesh模組、agent-governance-toolkit提供agent_compliance模組、agent-sre提供agent_sre模組——這正是「策略執行」「零信任身份」「OWASP 驗證」「SRE 可觀測性」四條能力線的分工。TypeScript / Node.jsnpm install microsoft/agent-governance-sdk對應的 TypeScript SDK 原始碼與測試位於 agent-governance-typescript覆蓋策略評估、身份、稽核、MCP、沙箱等模組。.NETdotnet add package Microsoft.AgentGovernance如果您目前不在包含.csproj的目錄中請明確傳入專案路徑dotnet add YourApp.csproj package Microsoft.AgentGovernance在 Visual Studio 的 Package Manager Console 中請先在Default project下拉選單中選取目標專案再執行Install-Package Microsoft.AgentGovernance.NET 套件的原始碼與範例位於 agent-governance-dotnet包含 ASP.NET Core 中介軟體範例 examples/AspNetMiddleware 與快速入門 examples/Quickstart。2. 驗證安裝安裝完成後先執行倉庫內建的安裝校驗腳本確認核心包與關鍵依賴均可導入python scripts/check_gov.py從 check_gov.py 的實現可以看到它逐一嘗試導入agent_os、agentmesh、agent_compliance、agent_sre以及安全關鍵依賴cryptography、pynacl並檢查agent-governanceCLI 的 verify 子命令是否可用最後輸出READY或INCOMPLETE狀態。若有缺失腳本會提示pip install agent-governance-toolkit[full]補齊。也可以直接使用治理 CLIagent-governance verify agent-governance verify --badgeverify子命令的底層實現在 agent-compliance CLIGovernanceVerifier.verify()會生成一份「證明attestation」並根據參數決定輸出 JSON、Markdown 徽章或摘要。3. 您的第一個受治理智能體建立一個名為governed_agent.py的檔案from agent_control_specification import AgentControl, HostSession runtime AgentControl.from_path(policies/manifest.yaml) session HostSession( runtime, agent_idquickstart-agent, session_idquickstart-session, ) result session.pre_tool_call( tool_namedelete_file, args{path: /etc/passwd}, ) print(result.verdict) print(result.reason_code)執行python governed_agent.py當策略清單policies/manifest.yaml中禁止刪除/etc/passwd這類敏感路徑時result.verdict將是DENY並帶有分類化的reason_code程式無需真正呼叫任何工具即可完成一次安全攔截。深入理解這段程式背後的機制AgentControl.from_path從 _orchestration.py 的實現 可以看到它把 manifest 路徑交給NativeRuntimeClient.from_path構建無狀態原生運行時。除了from_path還提供from_url可選配 sha256 校驗、from_native與from_manifest_chain多清單合併滿足從遠端拉取策略或分層疊加策略的場景。HostSession它將AgentControl綁定到一個 SnapshotBuilder。SnapshotBuilder持有每次評估所需的身份資訊agent_id、session_id、tenant_id與預算計數器tool_call_count、token_count、elapsed_seconds、cost_usd並通過record_tool_call、record_tokens、record_cost等累加式方法推進計數供預算類策略讀取。pre_tool_call對應 ACS 的pre_tool_call干預點intervention point。從 _host.py 可以看到它把工具名與參數包裝為tool_call{name: ..., args: ..., id: ...}後送入評估返回InterventionPointResult呼叫方直接讀取result.verdict.decision即可。EnforcementModeHostSession預設以EnforcementMode.ENFORCE運行若只需試探策略效果而不真正封鎖可改為evaluate_only模式。審批超時當判定需要人工審批時HostSession使用預設的 DEFAULT_APPROVAL_TIMEOUT_SECONDS 300 秒 作為等待上界超時預設 fail-closed判定為拒絕避免無界等待變成隱性的放行漏洞。策略清單manifest長什麼樣policies/manifest.yaml是治理的核心配置。以倉庫的冒煙測試清單 policy-engine/tests/fixtures/smoke/manifest.yaml 為例它包含三大部分policies聲明 Rego 策略的類型、bundle 路徑與查詢入口intervention_points把策略綁定到具體干預點如agent_startup、input、pre_model_call、pre_tool_call、post_tool_call、output、agent_shutdown每個干預點都指定policy_target策略評估的 JSON 路徑例如$.tool_call.args與對應的policy.querytools聲明工具目錄每個工具可帶clearance所需權限與security_labels如benign/sensitive供策略按敏感度分級治理。處理一次拒絕在生產代碼中攔截不應只靠print。英文版快速入門 docs/quickstart.md 展示了標準處理方式——先檢查判定是否允許不允許則轉為結構化異常並讀取稽核記錄if not evaluation.verdict.decision.permits: error PolicyViolationError.from_evaluation_result(evaluation) print(str(error)) print(error.evaluation_result.audit_record())公開異常文本經過淨化處理可信代碼可透過附帶的PolicyEvaluation獲取結構化稽核與分發所需資訊。完整的拒絕處理範例也可參見 control-plane 範例 basic_usage.py。4. 包裝現有框架工具包與所有主要智能體框架整合安裝對應的轉接器即可將治理層掛進既有框架pip install agentmesh-langchain # LangChain 轉接器 pip install llamaindex-agentmesh # LlamaIndex 轉接器 pip install crewai-agentmesh # CrewAI 轉接器支援的框架LangChain、OpenAI Agents SDK、AutoGen、CrewAI、Google ADK、Semantic Kernel、LlamaIndex、Anthropic、Mistral、Gemini等。從倉庫的框架轉接測試目錄如 agt-policies 的場景測試可以看到這些轉接器均以「同一份原生運行時 框架特定攔截點」的方式工作。包裝方式非常簡潔。以 LangChain 為例將上一步的runtime直接傳給框架內核即可from agent_os.integrations.langchain_adapter import LangChainKernel kernel LangChainKernel(runtimeruntime)注意一個設計原則策略定義、被封鎖的內容、工具目錄、預算、轉換與審批都應該放在 manifest 中而不是塞進轉接器的構造參數。這樣無論底層換成哪個框架治理規則都保持單一來源。5. 檢查 OWASP ASI 2026 覆蓋率部署完成後用同一條 CLI 驗證您的部署是否涵蓋 OWASP 智能體安全威脅agent-governance verify agent-governance verify --json agent-governance verify --badge不加參數輸出人類可讀的摘要並以退出碼0 通過1 未通過標示結果--json輸出 JSON 格式的證明文件attestation便於接入 CI 或稽核管線--badge只輸出 Markdown 徽章可直接嵌入 README 展示治理狀態。關於威脅覆蓋的完整映射可參閱 OWASP Agentic Top 10 架構映射。後續步驟內容位置完整 API 參考Pythonagent-governance-python/agent-os/README.mdTypeScript 套件文件agent-governance-typescript/README.md.NET 套件文件agent-governance-dotnet/README.mdOWASP 覆蓋圖docs/compliance/owasp-agentic-top10-architecture.md貢獻指南CONTRIBUTING.md至此你已經完成從安裝、驗證、寫出第一個受治理智能體到接入主流框架、核對 OWASP 覆蓋率的完整閉環。下一步可以嘗試用AgentControl.from_manifest_chain疊加多層策略、用SnapshotBuilder.record_cost啟動成本預算治理或參考 docs/tutorials/55-agent-control-specification.md 深入 Agent Control Specification 的干預點模型把治理從「攔截工具呼叫」擴展到「輸入淨化、輸出審查、生命週期管理」的全覆蓋。【免费下载链接】agent-governance-toolkitAI Agent Governance Toolkit — Policy enforcement, zero-trust identity, execution sandboxing, and reliability engineering for autonomous AI agents. Covers 10/10 OWASP Agentic Top 10.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-governance-toolkit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Agent Governance Toolkit 10 分钟快速入门：从零构建受治理 AI 智能体
Agent Governance Toolkit 10 分钟快速入门从零构建受治理 AI 智能体【免费下载链接】agent-governance-toolkitAI Agent Governance Toolkit — Policy enforcement, zero-trust identity, execution sandboxing, and reliability engineering for autonomous AI agents. Covers 10/10 OWASP Agentic Top 10.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-governance-toolkit本文是 Agent Governance Toolkit 的繁體中文快速入門指南。你將在 10 分鐘內完成從安裝、驗證到寫出第一個「受治理智能體」的完整流程學會如何讓每一次工具呼叫都在執行前通過策略引擎檢查並了解如何將治理能力接入 LangChain、CrewAI 等主流智能體框架以及如何用內建 CLI 核對 OWASP Agentic 安全覆蓋率。讀完本文你將具備在 Python、TypeScript/Node.js 與 .NET 三種技術棧下部署治理層的實戰能力。架構概述治理層如何在執行前攔截每一個智能體操作Agent Governance Toolkit 的核心思路非常直接在智能體真正執行任何操作工具呼叫、模型呼叫、輸入輸出之前先讓一個獨立的治理層做策略判定。只有判定為允許Allowed的操作才會進入執行階段被攔截Blocked的操作則直接觸發安全封鎖且無論允許還是封鎖最終都會寫入稽核日誌並流向 OTEL / 結構化日誌這條攔截鏈在倉庫中的落地實現可以參見 AgentControl 與 HostSession 的封裝AgentControl負責把 ACSAgent Control Specification清單綁定到原生運行時HostSession則為每個智能體會話提供同步的攔截點調用介面例如pre_tool_call。後文我們會沿著這條鏈路逐層展開。前置條件Python 3.10 / Node.js 18 / .NET 8.0任選其一或多個。1. 安裝治理工具包Python 最簡單的安裝方式是一次裝入完整工具鏈pip install agent-governance-toolkit[full]也可以按需安裝單獨的套件每個套件對應一類治理能力pip install agent-os-kernel # 策略執行 框架整合 pip install agentmesh-platform # 零信任身份 信任卡 pip install agent-governance-toolkit # OWASP ASI 驗證 完整性 CLI pip install agent-sre # SLO、錯誤預算、混沌測試 pip install agentmesh-runtime # 執行期監督 權限環 pip install agentmesh-marketplace # 外掛生命週期管理 pip install agentmesh-lightning # 強化學習訓練治理從倉庫中的安裝校驗腳本 scripts/check_gov.py 可以印證上述包名與模組的對應關係agent-os-kernel提供agent_os模組、agentmesh-platform提供agentmesh模組、agent-governance-toolkit提供agent_compliance模組、agent-sre提供agent_sre模組——這正是「策略執行」「零信任身份」「OWASP 驗證」「SRE 可觀測性」四條能力線的分工。TypeScript / Node.jsnpm install microsoft/agent-governance-sdk對應的 TypeScript SDK 原始碼與測試位於 agent-governance-typescript覆蓋策略評估、身份、稽核、MCP、沙箱等模組。.NETdotnet add package Microsoft.AgentGovernance如果您目前不在包含.csproj的目錄中請明確傳入專案路徑dotnet add YourApp.csproj package Microsoft.AgentGovernance在 Visual Studio 的 Package Manager Console 中請先在Default project下拉選單中選取目標專案再執行Install-Package Microsoft.AgentGovernance.NET 套件的原始碼與範例位於 agent-governance-dotnet包含 ASP.NET Core 中介軟體範例 examples/AspNetMiddleware 與快速入門 examples/Quickstart。2. 驗證安裝安裝完成後先執行倉庫內建的安裝校驗腳本確認核心包與關鍵依賴均可導入python scripts/check_gov.py從 check_gov.py 的實現可以看到它逐一嘗試導入agent_os、agentmesh、agent_compliance、agent_sre以及安全關鍵依賴cryptography、pynacl並檢查agent-governanceCLI 的 verify 子命令是否可用最後輸出READY或INCOMPLETE狀態。若有缺失腳本會提示pip install agent-governance-toolkit[full]補齊。也可以直接使用治理 CLIagent-governance verify agent-governance verify --badgeverify子命令的底層實現在 agent-compliance CLIGovernanceVerifier.verify()會生成一份「證明attestation」並根據參數決定輸出 JSON、Markdown 徽章或摘要。3. 您的第一個受治理智能體建立一個名為governed_agent.py的檔案from agent_control_specification import AgentControl, HostSession runtime AgentControl.from_path(policies/manifest.yaml) session HostSession( runtime, agent_idquickstart-agent, session_idquickstart-session, ) result session.pre_tool_call( tool_namedelete_file, args{path: /etc/passwd}, ) print(result.verdict) print(result.reason_code)執行python governed_agent.py當策略清單policies/manifest.yaml中禁止刪除/etc/passwd這類敏感路徑時result.verdict將是DENY並帶有分類化的reason_code程式無需真正呼叫任何工具即可完成一次安全攔截。深入理解這段程式背後的機制AgentControl.from_path從 _orchestration.py 的實現 可以看到它把 manifest 路徑交給NativeRuntimeClient.from_path構建無狀態原生運行時。除了from_path還提供from_url可選配 sha256 校驗、from_native與from_manifest_chain多清單合併滿足從遠端拉取策略或分層疊加策略的場景。HostSession它將AgentControl綁定到一個 SnapshotBuilder。SnapshotBuilder持有每次評估所需的身份資訊agent_id、session_id、tenant_id與預算計數器tool_call_count、token_count、elapsed_seconds、cost_usd並通過record_tool_call、record_tokens、record_cost等累加式方法推進計數供預算類策略讀取。pre_tool_call對應 ACS 的pre_tool_call干預點intervention point。從 _host.py 可以看到它把工具名與參數包裝為tool_call{name: ..., args: ..., id: ...}後送入評估返回InterventionPointResult呼叫方直接讀取result.verdict.decision即可。EnforcementModeHostSession預設以EnforcementMode.ENFORCE運行若只需試探策略效果而不真正封鎖可改為evaluate_only模式。審批超時當判定需要人工審批時HostSession使用預設的 DEFAULT_APPROVAL_TIMEOUT_SECONDS 300 秒 作為等待上界超時預設 fail-closed判定為拒絕避免無界等待變成隱性的放行漏洞。策略清單manifest長什麼樣policies/manifest.yaml是治理的核心配置。以倉庫的冒煙測試清單 policy-engine/tests/fixtures/smoke/manifest.yaml 為例它包含三大部分policies聲明 Rego 策略的類型、bundle 路徑與查詢入口intervention_points把策略綁定到具體干預點如agent_startup、input、pre_model_call、pre_tool_call、post_tool_call、output、agent_shutdown每個干預點都指定policy_target策略評估的 JSON 路徑例如$.tool_call.args與對應的policy.querytools聲明工具目錄每個工具可帶clearance所需權限與security_labels如benign/sensitive供策略按敏感度分級治理。處理一次拒絕在生產代碼中攔截不應只靠print。英文版快速入門 docs/quickstart.md 展示了標準處理方式——先檢查判定是否允許不允許則轉為結構化異常並讀取稽核記錄if not evaluation.verdict.decision.permits: error PolicyViolationError.from_evaluation_result(evaluation) print(str(error)) print(error.evaluation_result.audit_record())公開異常文本經過淨化處理可信代碼可透過附帶的PolicyEvaluation獲取結構化稽核與分發所需資訊。完整的拒絕處理範例也可參見 control-plane 範例 basic_usage.py。4. 包裝現有框架工具包與所有主要智能體框架整合安裝對應的轉接器即可將治理層掛進既有框架pip install agentmesh-langchain # LangChain 轉接器 pip install llamaindex-agentmesh # LlamaIndex 轉接器 pip install crewai-agentmesh # CrewAI 轉接器支援的框架LangChain、OpenAI Agents SDK、AutoGen、CrewAI、Google ADK、Semantic Kernel、LlamaIndex、Anthropic、Mistral、Gemini等。從倉庫的框架轉接測試目錄如 agt-policies 的場景測試可以看到這些轉接器均以「同一份原生運行時 框架特定攔截點」的方式工作。包裝方式非常簡潔。以 LangChain 為例將上一步的runtime直接傳給框架內核即可from agent_os.integrations.langchain_adapter import LangChainKernel kernel LangChainKernel(runtimeruntime)注意一個設計原則策略定義、被封鎖的內容、工具目錄、預算、轉換與審批都應該放在 manifest 中而不是塞進轉接器的構造參數。這樣無論底層換成哪個框架治理規則都保持單一來源。5. 檢查 OWASP ASI 2026 覆蓋率部署完成後用同一條 CLI 驗證您的部署是否涵蓋 OWASP 智能體安全威脅agent-governance verify agent-governance verify --json agent-governance verify --badge不加參數輸出人類可讀的摘要並以退出碼0 通過1 未通過標示結果--json輸出 JSON 格式的證明文件attestation便於接入 CI 或稽核管線--badge只輸出 Markdown 徽章可直接嵌入 README 展示治理狀態。關於威脅覆蓋的完整映射可參閱 OWASP Agentic Top 10 架構映射。後續步驟內容位置完整 API 參考Pythonagent-governance-python/agent-os/README.mdTypeScript 套件文件agent-governance-typescript/README.md.NET 套件文件agent-governance-dotnet/README.mdOWASP 覆蓋圖docs/compliance/owasp-agentic-top10-architecture.md貢獻指南CONTRIBUTING.md至此你已經完成從安裝、驗證、寫出第一個受治理智能體到接入主流框架、核對 OWASP 覆蓋率的完整閉環。下一步可以嘗試用AgentControl.from_manifest_chain疊加多層策略、用SnapshotBuilder.record_cost啟動成本預算治理或參考 docs/tutorials/55-agent-control-specification.md 深入 Agent Control Specification 的干預點模型把治理從「攔截工具呼叫」擴展到「輸入淨化、輸出審查、生命週期管理」的全覆蓋。【免费下载链接】agent-governance-toolkitAI Agent Governance Toolkit — Policy enforcement, zero-trust identity, execution sandboxing, and reliability engineering for autonomous AI agents. Covers 10/10 OWASP Agentic Top 10.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-governance-toolkit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考