帮助
摘要
用户宣布了Agent Middleware API,这是一个开源基础设施,用于实现受治理、可计量且可审计的自主智能体工具调用,并寻求架构方面的意见。
我正在构建Agent Middleware API,这是一个用于自主智能体操作的开放源代码控制层。具体目标并非“另一个智能体框架”,而是为智能体想要与真实工具交互时的场景提供基础设施:发现 -> 认证 -> 授权 -> 调用 -> 计量 -> 收据 -> 审计 -> 治理。当前仓库专注于受治理的MCP/工具调用。一次工具调用可以通过签名许可进行范围限定,经过钱包/租户权限检查,通过受治理的适配器运行,具有幂等性保护,计量,单次收费,生成收据,并写入防篡改审计链。此外,还有一个基于MCP的AWI(网络智能体接口)证明面,用于网络智能体:语义网络动作、渐进式表示、人工干预控制,以及动作词汇草案文档。我将AWI视为一个锻炼信任平面的工作负载,而非核心产品。主要的证明命令是:`make prove-trust-plane`。它检查完整循环:发现、签名许可签发、有效的受治理MCP调用、一次性钱包收费、签名收据、审计链验证、重放不重复收费、拒绝超出范围的动作、以及收据/审计证据的篡改检测。我希望能获得对架构的评议,特别是:
* 核心楔入点应是MCP治理、签名收据还是计量?
* 许可/收据/审计模型是否足够对安全审查者有用?
* 怎样做才能使其成为可信赖的基础设施,而非演示性强的智能体后端?
这是生产测试版,尚未完善。我努力保持主张的狭隘性,并使得信任循环可证伪。
相似文章
你的智能体即将走出大楼!
一位开发者宣布正在构建一个可信的AI智能体互操作层,支持跨协议发现、协作和交易,并征求社区对其必要性和时机的反馈。
寻求关于这款名为agentshark的开源工具的反馈
作者介绍了agentshark,这是一款开源工具,用于检查agent交互、调试工具调用流程以及与团队成员共享会话轨迹。
用于了解Agent工作方式的LLM代理?
用户寻找一个开源代理,用于拦截和调试AI Agent的API调用,以了解其内部工作原理,因为发现LiteLLM过于面向企业。
智能体市场
讨论了在将AI智能体投入生产时尚未解决的关键问题,并探索了智能体市场的构想——即通过标准化的输入输出和共享评估体系,将离散的工作单元进行交易。
@hyperagent:42 个智能体,216 条线程,一个仪表盘。每个智能体拥有独立提示、工具、技能与预算,一键部署专业 AI 团队
Hyperagent 推出多智能体系统,可为招聘、数据分析、营销活动等复杂业务场景自主部署具备专属提示、工具与预算的 AI 智能体。平台提供统一仪表盘、自我进化能力,并深度集成现有企业工具。