title: "欢迎使用代理治理工具包 !" last_reviewed: 2026-07-15 owner: agt-maintainers

🌍 English | 日本語 | 简体中文

欢迎使用代理治理工具包 !

[!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)

pip install agent-governance-toolkit[full]

TypeScript / Node.js (npm)

npm install @microsoft/agent-governance-sdk

.NET (NuGet)

dotnet add package Microsoft.AgentGovernance

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
• 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
• 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
• OWASP Agentic Top 10 映射: 10 项风险中 7 项完整覆盖，3 项（ASI04、ASI06、ASI09）部分覆盖（内部自评估）
  • 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

💬 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

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

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

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

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

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

# 完整治理演示 (policy enforcement, audit, trust, cost, reliability)
python examples/maf-integration/01-loan-processing/python/main.py

# 使用对抗性攻击场景运行
python examples/maf-integration/01-loan-processing/python/main.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)

from agent_control_specification import AgentControl, HostSession

runtime = AgentControl.from_path("policies/rego-manifest.yaml")
session = HostSession(
    runtime, agent_id="agent-1", session_id="session-1"
)
decision = session.pre_tool_call(
    tool_name="web_search", args={"query": "status"}
)

Cedar (Agent OS)

from agent_control_specification import AgentControl

runtime = AgentControl.from_path("policies/cedar-manifest.yaml")

AgentMesh OPA/Cedar

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

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。