microsoft/agent-governance-toolkitApplicazione delle politiche, identità zero-trust, sandboxing dell'esecuzione e registrazione di audit per agenti AI autonomi. Copre 10/10 dell'OWASP Agentic Top 10 con governance deterministica e fail-closed.
🌍 English | Español | 日本語 | 简体中文 | 한국어
🚀 Avvio Rapido · 📋 Specifiche · 📦 PyPI · 📝 Changelog
-brightgreen){kind=icon}
[!IMPORTANT] Anteprima Pubblica -- release di anteprima pubblica di qualità produttiva. Potrebbero esserci modifiche incompatibili prima della GA.
Applicazione delle policy, identità, sandboxing e SRE per agenti AI autonomi. Un solo pip install, qualsiasi framework.
I tuoi agenti AI chiamano strumenti, navigano il web, interrogano database e delegano ad altri agenti. Una volta distribuiti, prendono decisioni in modo autonomo. Hai bisogno di risposte a tre domande:
1. Questa azione è consentita? Un agente con accesso a send_email e query_database non dovrebbe essere in grado di eseguire drop_table. Gli scope OAuth e i ruoli IAM controllano a quali servizi un agente può accedere, non cosa fa una volta connesso.
2. Quale agente ha fatto questo? In un sistema multi-agente, cinque agenti potrebbero condividere una singola chiave API. Quando qualcosa va storto, "lo ha fatto un agente" non è una risposta a un incidente.
3. Puoi dimostrare cosa è successo? Revisori e autorità di regolamentazione necessitano di registrazioni a prova di manomissione di ogni decisione: quale policy era attiva, cosa ha richiesto l'agente e perché è stato consentito o negato.
La sicurezza a livello di prompt ("per favore segui le regole") non è una superficie di controllo. È una richiesta cortese a un sistema stocastico. OWASP LLM01:2025 lo afferma esplicitamente: "non è chiaro se esistano metodi infallibili di prevenzione per il prompt injection." I numeri pubblicati lo confermano. Andriushchenko et al. (ICLR 2025) riportano un tasso di successo degli attacchi del 100% su GPT-4o, GPT-3.5, Claude 3 e Llama-3 utilizzando attacchi adattivi con accesso ai logprob e ottimizzazione dei suffissi, valutati rispetto al benchmark JailbreakBench (Chao et al., NeurIPS 2024). L'AI Red Teaming Agent di Microsoft stesso formalizza l'Attack Success Rate (ASR), il tasso di violazioni delle policy sotto input avversariali, come metrica canonica per questa classe di fallimenti. Lessons from Red Teaming 100 Generative AI Products rafforza il concetto: "le mitigazioni non eliminano completamente il rischio" e il red teaming deve essere un processo continuo perché le difese a livello di modello sono probabilistiche per costruzione.
AGT non cerca di vincere quella battaglia all'interno del prompt. Ogni chiamata a uno strumento, invio di messaggio e delega viene intercettata in codice applicativo deterministico prima che l'intento del modello raggiunga la rete. Le azioni che il kernel di AGT nega non sono "improbabili". Sono strutturalmente impossibili. Questa è la differenza tra chiedere a un agente di comportarsi bene e renderlo incapace di comportarsi male.
Prerequisiti: Python 3.11+```bash pip install "agent-governance-toolkit[full]"
Usa l'extra `[full]` per le importazioni quick-start riportate di seguito. Il wheel base
`agent-governance-toolkit` installa solo la CLI di compliance; i moduli di governance
risiedono nella distribuzione core consolidata. L'importazione quick-start `agentmesh`
rimane l'API wrapper corrente. L'importazione di `agent_os` emette un
`DeprecationWarning` perché la vecchia distribuzione `agent-os-kernel` è deprecata.
Usa `agent-governance-toolkit-core` (o l'extra `[full]` che lo include) come
distribuzione sostitutiva. Il codice host del policy-engine usa l'ACS SDK;
`agt-policies` fornisce il comando di migrazione unidirezionale da v4 a v5. Il modello
di regole pre-ACS `agent_os.policies` è stato rimosso, e `BREAKING_CHANGES.md` elenca i suoi
sostituti.
Per Claude Code, aggiungi AGT come plugin marketplace e installa il plugin di governance:```text
/plugin marketplace add microsoft/agent-governance-toolkit
/plugin install agt-governance@agent-governance-toolkit
Governa qualsiasi funzione di uno strumento in due righe:```python from agentmesh.governance import govern
safe_tool = govern(my_tool, policy="policy.yaml") # every call checked, logged, enforced
A ogni chiamata, `safe_tool` valuta la policy YAML, registra la decisione in un
audit trail e solleva `GovernanceDenied` quando la policy blocca l'azione.```yaml
# policy.yaml
apiVersion: governance.toolkit/v1
name: production-policy
default_action: allow
rules:
- name: block-destructive
condition: "action.type in ['drop', 'delete', 'truncate']"
action: deny
description: "Destructive operations require human approval"