标签
一份全面的指南，从头讲解 OAuth 2.0 概念，涵盖授权码流程、令牌、PKCE 等，适合后端开发者。
本文概述了四道关键边界（身份、意图、策略/执行、记录系统），以确保 LLM 永远不会直接访问生产系统，防止不可逆操作。文章强调需要多层权限检查，并对风险操作进行人工审批。
OxDeAI是一个开源协议，用于AI代理操作的确定性预执行授权，提供签名工件和守卫以在代理循环外部强制执行策略。它支持LangGraph、CrewAI和AutoGen等流行的代理框架，并正在寻求关键反馈。
作者解释了SSO、OAuth、OIDC和SAML之间的区别，阐明SSO是一种用户体验，OAuth用于授权，OIDC在OAuth之上提供身份验证，而SAML是一种较旧的企业级协议。
Phoenix 现在作为 OAuth2 授权服务器，支持 `px auth login` 获取短期有效的用户作用域令牌、管理员审计/撤销，以及远程 MCP 服务器（测试版）。
文章认为，在智能体之间的通信中，仅靠认证不足以实现授权；相反，需要关于意图、身份和权限的结构化、可审查的声明，而人类仍然是最终权威。
探讨了当一个AI代理可以调用多个工具时，应该在何处实施授权的问题，讨论了安全访问控制的架构考虑。
讨论了传统自动化工具（如Zapier，设计时审批）与AI智能体（调用时审批）在授权上的根本差异，认为问责问题源于授权时机而非组织结构。
本文讨论了A2A（智能体间）协议如何解决智能体之间的通信，但未解决授权问题——即陌生智能体被允许做什么。
一位开发者寻求关于如何在生产环境中控制和约束AI代理行为的建议，特别是当它们与真实系统（如数据库和客户数据）交互时，询问当前实践情况以及这是否是一个已知的难题。
一位开发者描述了当一个AI智能体调用第三方供应商的智能体时遇到的认证和授权漏洞，重点说明了权限提升、未验证链和混淆代理攻击等故障模式。他们向社区询问如何处理跨组织智能体调用验证。
讨论AI代理工作流中的安全漏洞，即代理在关键步骤中假设存在人类监督，并提出了一个运行时控制平面，用于强制执行权限，并在破坏性操作前要求人工批准，通过Tandem演示进行了说明。
Karpathy 关于给 AI 拴上狗链的观点在模型改进后仍然成立，因为权限和授权与正确性是两回事。文章展示了 AI 生成的应用程序如何缺乏身份和审计，以及 Retool 的平台如何通过提供受控运行时解决这一问题。
本文讨论了AI agent演示往往成功，而生产部署却暴露出关键的安全和授权问题，强调模型质量并不能解决诸如访问控制、数据泄露和可审计性等问题。
MCP的企业管理授权扩展现已稳定，使组织能够集中管理MCP服务器的授权，并为最终用户启用零接触OAuth。已被Anthropic、Microsoft和Okta采用。
像Claude Code这样的AI编码代理可能很危险，因为它们生成的代码不考虑授权和操作安全性，可能导致未经授权的写入操作，例如删除生产数据库。真正的风险不在于代码质量，而在于缺乏运行时访问控制。
本文提出风险感知因果门控（RACG），这是一种无需训练的机制，将最小权限原则应用于LLM代理的工具暴露，仅在授权和因果必要时暴露高风险工具，从而减少提示注入的攻击面。
Ory Talos 是一个用 Go 编写的开源 API Key 服务器，用于大规模地签发、验证和管理 API 密钥，具有低延迟验证能力，并支持 JWT 和 macaroon 令牌。