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 9,500+ 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 @agentmesh/sdk

.NET (NuGet)

dotnet add package Microsoft.AgentGovernance

安装单独的 Python 软件包

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 SDK — 提供身份、信任、策略与审计功能的 npm 包
.NET SDK — 提供完整 OWASP 覆盖的 NuGet 包
Rust SDK — crates.io 上的库，包含策略、信任、审计及 Ed25519 身份
Go SDK — 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
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: 为 PR 工作流提供自动化安全扫描与治理证明
- 安全扫描 Action | 治理证明 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 "@agentmesh/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/sdks/go"

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 demo/maf_governance_demo.py

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

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_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)

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

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

语言	Package	Install
Python	`agent-governance-toolkit[full]`	`pip install agent-governance-toolkit[full]`
TypeScript	`@agentmesh/sdk`	`npm install @agentmesh/sdk`
.NET	`Microsoft.AgentGovernance`	`dotnet add package Microsoft.AgentGovernance`
Rust	`agentmesh`	`cargo add agentmesh`
Go	`agentmesh`	`go get github.com/microsoft/agent-governance-toolkit/sdks/go`

Python 软件包 (PyPI)

软件包	PyPI	描述
Agent OS	`agent-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
AgentMesh	`agentmesh-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 Runtime	`agentmesh-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 SRE	`agent-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 Compliance	`agent-governance-toolkit`	运行时策略执行 — OWASP ASI 2026 控制、治理证明、完整性验证
Agent Marketplace	`agentmesh-marketplace`	插件生命周期 — 发现、安装、验证和签名插件
Agent Lightning	`agentmesh-lightning`	RL 训练治理 — 受治理运行器、策略奖励

框架集成

适用于 20+ 代理框架 ，包括:

框架	Stars	集成
Microsoft Agent Framework	8K+ ⭐	Native Middleware
Semantic Kernel	27K+ ⭐	Native (.NET + Python)
Dify	133K+ ⭐	Plugin
Microsoft AutoGen	55K+ ⭐	Adapter
LlamaIndex	47K+ ⭐	Middleware
CrewAI	46K+ ⭐	Adapter
LangGraph	27K+ ⭐	Adapter
Haystack	24K+ ⭐	Pipeline
OpenAI Agents SDK	20K+ ⭐	Middleware
Google ADK	18K+ ⭐	Adapter
Azure AI Foundry	—	Deployment Guide

OWASP Agentic Top 10 Coverage

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
不受控代码执行	ASI-04	✅ Agent Runtime 执行环 + 沙箱
不安全输出处理	ASI-05	✅ 内容策略验证所有输出
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

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	透明性, 版权策略, 系统性风险评估

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。

指标	延迟 (p50)	吞吐量
策略评估（1 条规则）	0.012 ms	72K ops/sec
策略评估（100 条规则）	0.029 ms	31K ops/sec
内核级执行	0.091 ms	9.3K ops/sec
适配器开销	0.004–0.006 ms	130K–230K ops/sec
并发吞吐量（50 个 agents）	—	35,481 ops/sec

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。

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)

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

工具	覆盖范围
CodeQL	Python + TypeScript 静态应用安全测试
Gitleaks	在 PR/push/每周执行密钥扫描
ClusterFuzzLite	7 个模糊测试目标 (policy, injection, MCP, sandbox, trust)
Dependabot	13 个生态系统 (pip, npm, nuget, cargo, gomod, docker, actions)
OpenSSF Scorecard	每周评分 + SARIF 上传
SBOM	SPDX + CycloneDX 生成与证明
Dependency Review	PR 阶段 CVE 和许可证检查

贡献者资源

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。

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

欢迎使用代理治理工具包 !

📋 入门指南

📦 安装

📚 文档

✨ 亮点

💬 我们期待你的反馈!

快速入门

执行策略 — Python

执行策略 — TypeScript

执行策略 — .NET

执行策略 — Rust

执行策略 — Go

运行治理演示

更多示例与样本

OPA/Rego 与 Cedar 策略支持

OPA/Rego (Agent OS)

Cedar (Agent OS)

AgentMesh OPA/Cedar

SDKs & 软件包

多语言 SDKs

Python 软件包 (PyPI)

框架集成

OWASP Agentic Top 10 Coverage

监管对齐

性能

安全模型与限制

安全工具

贡献者资源

重要说明

许可证

商标

FilesExpand file tree

README.zh-CN.md

Latest commit

History

README.zh-CN.md

File metadata and controls

欢迎使用代理治理工具包 !

📋 入门指南

📦 安装

📚 文档

✨ 亮点

💬 我们期待你的反馈!

快速入门

执行策略 — Python

执行策略 — TypeScript

执行策略 — .NET

执行策略 — Rust

执行策略 — Go

运行治理演示

更多示例与样本

OPA/Rego 与 Cedar 策略支持

OPA/Rego (Agent OS)

Cedar (Agent OS)

AgentMesh OPA/Cedar

SDKs & 软件包

多语言 SDKs

Python 软件包 (PyPI)

框架集成

OWASP Agentic Top 10 Coverage

监管对齐

性能

安全模型与限制

安全工具

贡献者资源

重要说明

许可证

商标