Skip to content
KitploitKITPLOIT
工具博客
提交
工具博客
提交

黑客、渗透测试和网络安全工具,武装您的安全武器库!

Kitploit 是一个黑客、网络安全和渗透测试工具的目录。发现最新的项目更新,查找漏洞、分析系统、自动化测试并加强你的安全。

··订阅源·联系·隐私·© 2026 Kitploit

工具目录

分类

查看所有分类
Loading categories
agent-governance-toolkit — 为自主AI代理提供策略执行、零信任身份、执行沙箱和审计日志。覆盖10/10的OWASP Agentic Top 10,采用确定性、故障关闭的治理。 | Kitploit
工具/GitHubGitHub/microsoft/agent-governance-toolkit
身份管理DevSecOps学习与教育精选资源AI 安全
GitHubmicrosoft/agent-governance-toolkit

agent-governance-toolkit

为自主AI代理提供策略执行、零信任身份、执行沙箱和审计日志。覆盖10/10的OWASP Agentic Top 10,采用确定性、故障关闭的治理。

查看仓库
5.9k1.0k7119小时25分前Kitploit 审核通过

最受欢迎

查看全部 →

发现我们社区最常用的工具。

探索所有工具

浏览我们的工具集合

查看所有工具 →
分享

🌍 English | 日本語 | 简体中文

Agent Governance Toolkit

欢迎使用代理治理工具包 !

CI License: MIT Python 3.10+ TypeScript .NET 8.0+ Rust Go OWASP Agentic Top 10 OpenSSF Best Practices OpenSSF Scorecard Ask DeepWiki

[!IMPORTANT] 公开预览版 — 此仓库中发布的所有软件包均为 经 Microsoft 签名的公开预览版。它们达到 生产级别的质量,但在正式发布(GA)之前可能存在重大变更。如有任何反馈,请在GitHub上提交issue。

这个工具包是什么: 运行时治理基础设施 — 位于你的代理框架与代理执行操作之间的确定性 策略执行、零信任身份验证、执行沙箱,以及可靠性工程。

这个工具包不是什么: 这不是一个用于模型安全或提示词防护的工具。它不会过滤大语言模型 (LLM)的输入/输出,也不执行内容审核。它是在应用层对 代理的行为 (工具调用、资源访问、 代理间通信)进行治理。对于模型层面的安全,请参考Azure AI Content Safety。

面向 AI 代理的运行时治理 — 唯一一个覆盖全部 10 项 OWASP Agentic 风险 并提供 13,000+ 测试 的工具包。 它治理的是代理 做什么, 而不仅仅是说什么 — 包括确定性策略执行、零信任身份认证、执行沙箱,以及站点可靠性工程(SRE) — 支持 Python · TypeScript · .NET · Rust · Go

适用于任何技术栈 — 支持 AWS Bedrock, Google ADK, Azure AI, LangChain, CrewAI, AutoGen, OpenAI Agents, LlamaIndex 等。 只需通过 pip install 即可使用,无厂商锁定。

📋 入门指南

📦 安装

Python (PyPI)

root@kitploit:~
pip install agent-governance-toolkit[full]

TypeScript / Node.js (npm)

root@kitploit:~
npm install @microsoft/agent-governance-sdk

.NET (NuGet)

root@kitploit:~
dotnet add package Microsoft.AgentGovernance
安装单独的 Python 软件包
root@kitploit:~
pip install agent-os-kernel        # 策略引擎
pip install agentmesh-platform     # 信任网格
pip install agentmesh-runtime       # 运行时监督器
pip install agent-sre              # SRE 工具包
pip install agent-governance-toolkit    # 合规与认证
pip install agentmesh-marketplace      # 插件市场
pip install agentmesh-lightning        # 强化学习训练治理

📚 文档

  • 快速入门 — 在 10 分钟内从零开始构建受治理的代理 (Python · TypeScript · .NET · Rust · Go)
  • TypeScript 包 — 提供身份、信任、策略与审计功能的 npm 包
  • .NET 包 — 提供完整 OWASP 覆盖的 NuGet 包
  • Rust crate — crates.io 上的库,包含策略、信任、审计及 Ed25519 身份
  • Go 模块 — 提供策略、信任、审计与身份功能的 Go 模块
  • 教程 — 涵盖策略、身份、集成、合规、SRE 与沙箱的分步指南
  • Azure 部署 — 支持 AKS, Azure AI Foundry, Container Apps, OpenClaw 边车
  • NVIDIA OpenShell 集成 — 将沙箱隔离与治理智能相结合
  • OWASP 合规 — 完整覆盖 ASI-01 至 ASI-10 的映射
  • 威胁模型 — 包含信任边界、攻击面与 STRIDE 分析
  • 架构 — 系统设计、安全模型与信任评分
  • 架构决策 — 关键身份、运行时与策略选择的 ADR 记录
  • NIST RFI 映射 — 对应 NIST AI Agent 安全 RFI 的映射 (2026-00206)

还有问题吗?请提交一个 GitHub issue 或查看我们的 社区页面.

✨ 亮点

  • 确定性策略执行: 每个代理行为在执行 前 都会根据策略进行评估,延迟低于毫秒级 (<0.1 ms)
    • 策略引擎 | 性能基准
  • 零信任代理身份: 基于 Ed25519 的加密凭证,支持 SPIFFE/SVID,信任评分范围为 0–1000
    • AgentMesh | 信任评分
  • 执行沙箱: 4 层权限环、Saga 编排、终止控制与紧急停止(kill switch)
    • Agent Runtime | 代理虚拟化管理器
  • 代理 SRE: 包含 SLO、错误预算、回放调试、混沌工程、熔断机制与渐进式发布
    • Agent SRE | 可观测性集成
  • MCP 安全扫描器: 检测 MCP 工具定义中的工具投毒、拼写劫持(typosquatting)、隐藏指令与rug-pull攻击
    • MCP 扫描器 | CLI
  • 信任报告 CLI: agentmesh trust report — 可视化信任评分、任务成功/失败情况及代理活动
    • 信任 CLI
  • 密钥扫描与模糊测试: 基于 Gitleaks 的工作流,包含 7 个模糊测试目标,覆盖策略、注入、沙箱、信任及 MCP
    • 安全工作流

💬 我们期待你的反馈!

  • 如发现 Bug,请提交 GitHub issue.

快速入门

执行策略 — Python

root@kitploit:~
from agent_os import PolicyEngine, CapabilityModel

# 定义此代理允许执行的操作
capabilities = CapabilityModel(
    allowed_tools=["web_search", "file_read"],
    denied_tools=["file_write", "shell_exec"],
    max_tokens_per_call=4096
)

# 在每次操作前强制执行策略
engine = PolicyEngine(capabilities=capabilities)
decision = engine.evaluate(agent_id="researcher-1", action="tool_call", tool="web_search")

if decision.allowed:
    # 继续进行工具调用
    ...

执行策略 — TypeScript

root@kitploit:~
import { PolicyEngine } from "@microsoft/agent-governance-sdk";

const engine = new PolicyEngine([
  { action: "web_search", effect: "allow" },
  { action: "shell_exec", effect: "deny" },
]);

const decision = engine.evaluate("web_search"); // "allow"

执行策略 — .NET

root@kitploit:~
using AgentGovernance;
using AgentGovernance.Policy;

var kernel = new GovernanceKernel(new GovernanceOptions
{
    PolicyPaths = new() { "policies/default.yaml" },
});

var result = kernel.EvaluateToolCall(
    agentId: "did:mesh:researcher-1",
    toolName: "web_search",
    args: new() { ["query"] = "latest AI news" }
);

if (result.Allowed) { /* 继续执行 */ }

执行策略 — Rust

root@kitploit:~
use agentmesh::{AgentMeshClient, ClientOptions};

let client = AgentMeshClient::new("my-agent").unwrap();
let result = client.execute_with_governance("data.read", None);
assert!(result.allowed);

执行策略 — Go

root@kitploit:~
import agentmesh "github.com/microsoft/agent-governance-toolkit/agent-governance-golang"

client, _ := agentmesh.NewClient("my-agent",
    agentmesh.WithPolicyRules([]agentmesh.PolicyRule{
        {Action: "data.read", Effect: agentmesh.Allow},
        {Action: "*", Effect: agentmesh.Deny},
    }),
)
result := client.ExecuteWithGovernance("data.read", nil)
// result.Allowed == true

运行治理演示

root@kitploit:~
# 完整治理演示 (policy enforcement, audit, trust, cost, reliability)
python examples/demos/maf_governance_demo.py

# 使用对抗性攻击场景运行
python examples/demos/maf_governance_demo.py --include-attacks

更多示例与样本

  • 框架快速入门 — 单文件受治理代理适用于 LangChain, CrewAI, AutoGen, OpenAI Agents, Google ADK
  • 教程 1: Policy Engine — 定义并执行治理策略
  • 教程 2: Trust & Identity — 零信任代理凭证
  • 教程 3: Framework Integrations — 为任何框架添加治理
  • 教程 4: Audit & Compliance — OWASP 合规与证明
  • 教程 5: Agent Reliability — SLOs, 错误预算, 混沌测试
  • 教程 6: Execution Sandboxing — 权限环与终止机制

OPA/Rego 与 Cedar 策略支持

将您现有的基础设施策略引入代理治理 — 无需新的策略 DSL。

OPA/Rego (Agent OS)

root@kitploit:~
from agent_os.policies import PolicyEvaluator

evaluator = PolicyEvaluator()
evaluator.load_rego(rego_content="""
package agentos
default allow = false
allow { input.tool_name == "web_search" }
allow { input.role == "admin" }
""")

decision = evaluator.evaluate({"tool_name": "web_search", "role": "analyst"})
# decision.allowed == True

Cedar (Agent OS)

root@kitploit:~
from agent_os.policies import PolicyEvaluator

evaluator = PolicyEvaluator()
evaluator.load_cedar(policy_content="""
permit(principal, action == Action::"ReadData", resource);
forbid(principal, action == Action::"DeleteFile", resource);
""")

decision = evaluator.evaluate({"tool_name": "read_data", "agent_id": "agent-1"})
# decision.allowed == True

AgentMesh OPA/Cedar

root@kitploit:~
from agentmesh.governance import PolicyEngine

engine = PolicyEngine()
engine.load_rego("policies/mesh.rego", package="agentmesh")
engine.load_cedar(cedar_content='permit(principal, action == Action::"Analyze", resource);')

decision = engine.evaluate("did:mesh:agent-1", {"tool_name": "analyze"})

每个后端支持三种评估模式: 内嵌引擎 (cedarpy/opa CLI), 远程服务器, 或 内置回退 (零外部依赖).

SDKs & 软件包

多语言 SDKs

Python 软件包 (PyPI)

框架集成

适用于 20+ 代理框架 ,包括:

OWASP Agentic Top 10 Coverage

完整映射包含实现细节和测试证据: OWASP-COMPLIANCE.md

监管对齐

法规截止日期AGT 覆盖
欧盟 AI 法案 — 高风险 AI (Annex III)2026 年 8 月 2 日审计轨迹 (Art. 12), 风险管理 (Art. 9), 人工监督 (Art. 14)
Colorado AI 法案 (SB 24-205)2026 年 6 月 30 日风险评估、人工监督机制、消费者披露
欧盟 AI 法案 — GPAI 义务生效中

AGT 提供 运行时治理 — 规定代理允许执行的操作。对于 数据治理和面向监管机构的证据导出,可参考 Microsoft Purview DSPM for AI 作为补充层。

性能

治理开销为 每次操作 < 0.1 ms — 大约比一次 LLM API 调用快 10,000 倍。

完整方法论及各适配器细分: BENCHMARKS.md

安全模型与限制

该工具包提供 应用层 (Python middleware) 治理,而非操作系统内核级隔离。策略引擎与其治理的代理运行在 同一个 Python 进程中. 这与所有基于 Python 的代理框架 (如 LangChain, CrewAI, AutoGen 等)使用相同的信任边界。

生产环境建议:

  • 将每个代理运行在 独立容器中 ,以实现操作系统级隔离
  • 所有安全策略规则以 可配置示例配置 形式提供 — 请根据你的环境进行审查和自定义 (参见 examples/policies/)
  • 不应将任何内置规则集视为完整
  • 详细信息参见 Architecture — Security Model & Boundaries

安全工具

贡献者资源

  • 贡献指南
  • 社区
  • 安全策略
  • 架构
  • Changelog
  • Support

重要说明

如果你使用 Agent Governance Toolkit 建与第三方代理框架或服务协作的应用程序,则需自行承担风险。我们建议你审查所有与第三方服务共享的数据,并了解第三方在数据保留和数据存储位置方面的实践。你有责任管理你的数据是否会流出组织的合规范围和地理边界,以及相关影响。

许可证

本项目基于 MIT License 进行授权。

商标

本项目可能包含项目、产品或服务的商标或标志。Microsoft 商标或标志的授权使用需遵循Microsoft's Trademark & Brand Guidelines.在本项目的修改版本中使用 Microsoft 商标或标志,不得造成混淆或暗示 Microsoft 的赞助。任何第三方商标或标志的使用,均需遵循该第三方的相关政策。

下载工具
  • 12+ 框架集成: 支持 Microsoft Agent Framework, LangChain, CrewAI, AutoGen, Dify, LlamaIndex, OpenAI Agents, Google ADK 等
    • 框架快速入门 | 集成方案
  • 完整 OWASP 覆盖: 针对 Agentic Top 10 风险实现 10/10 覆盖,每个 ASI 类别均有专属控制措施
    • OWASP 合规 | 竞品对比
  • GitHub Actions 支持 CI/CD: 通过 Agent Governance Verify 在 CI/CD 中执行治理验证
    • Agent Governance Verify Action
  • 语言PackageInstall
    Pythonagent-governance-toolkit[full]pip install agent-governance-toolkit[full]
    TypeScript@microsoft/agent-governance-sdknpm install @microsoft/agent-governance-sdk
    .NETMicrosoft.AgentGovernancedotnet add package Microsoft.AgentGovernance
    Rustagentmeshcargo add agentmesh
    Goagentmeshgo get github.com/microsoft/agent-governance-toolkit/agent-governance-golang
    软件包PyPI描述
    Agent OSagent-os-kernel策略引擎 — 确定性动作评估、能力模型、审计日志、动作拦截、MCP 网关
    AgentMeshagentmesh-platform代理间信任 — Ed25519 身份、SPIFFE/SVID 凭证、信任评分、A2A/MCP/IATP 协议桥接
    Agent Runtimeagentmesh-runtime执行监督器 — 四层权限环、 saga 编排 、终止控制、联合责任、仅追加审计日志
    Agent SREagent-sre可靠性工程 — SLOs、错误预算、重放调试、混沌工程、渐进式发布
    Agent Complianceagent-governance-toolkit运行时策略执行 — OWASP ASI 2026 控制、治理证明、完整性验证
    Agent Marketplaceagentmesh-marketplace插件生命周期 — 发现、安装、验证和签名插件
    Agent Lightningagentmesh-lightningRL 训练治理 — 受治理运行器、策略奖励
    框架Stars集成
    Microsoft Agent Framework8K+ ⭐Native Middleware
    Semantic Kernel27K+ ⭐Native (.NET + Python)
    Dify133K+ ⭐Plugin
    Microsoft AutoGen55K+ ⭐Adapter
    LlamaIndex47K+ ⭐Middleware
    CrewAI46K+ ⭐Adapter
    LangGraph27K+ ⭐Adapter
    Haystack24K+ ⭐Pipeline
    OpenAI Agents SDK20K+ ⭐Middleware
    Google ADK18K+ ⭐Adapter
    Azure AI Foundry—Deployment Guide
    风险ID状态
    代理目标劫持ASI-01✅ 策略引擎阻止未授权的目标更改
    过度能力ASI-02✅ 能力模型强制最小权限原则
    身份与权限滥用ASI-03✅ 基于 Ed25519 证书的零信任身份
    代理供应链攻击ASI-04✅ 依赖混淆扫描 + 工具验证
    意外代码执行ASI-05✅ Agent Runtime 执行环 + 沙箱
    内存投毒ASI-06✅ 带完整性检查的情节记忆
    不安全的代理间通信ASI-07✅ AgentMesh 加密通道 + 信任门控
    级联故障ASI-08✅ 断路器 + SLO 执行
    人机信任缺失ASI-09✅ 完整审计轨迹 + 飞行记录器
    恶意代理ASI-10✅ 终止开关 + 权限环隔离 + 行为异常检测
    透明性, 版权策略, 系统性风险评估
    指标延迟 (p50)吞吐量
    策略评估(1 条规则)0.012 ms72K ops/sec
    策略评估(100 条规则)0.029 ms31K ops/sec
    内核级执行0.091 ms9.3K ops/sec
    适配器开销0.004–0.006 ms130K–230K ops/sec
    并发吞吐量(50 个 agents)—35,481 ops/sec
    层提供能力不提供
    策略引擎确定性动作拦截、拒绝列表执行硬件级内存隔离
    身份 (IATP)基于 Ed25519 的加密代理凭证、信任评分操作系统级进程隔离
    执行环具资源限制的逻辑权限层级CPU 环级强制执行
    启动完整性启动时对治理模块进行 SHA-256 篡改检测硬件信任根 (如TPM/Secure Boot)
    工具覆盖范围
    CodeQLPython + TypeScript 静态应用安全测试
    Gitleaks在 PR/push/每周执行密钥扫描
    ClusterFuzzLite7 个模糊测试目标 (policy, injection, MCP, sandbox, trust)
    Dependabot13 个生态系统 (pip, npm, nuget, cargo, gomod, docker, actions)
    OpenSSF Scorecard每周评分 + SARIF 上传
    SBOMSPDX + CycloneDX 生成与证明
    Dependency ReviewPR 阶段 CVE 和许可证检查