AI导哈

观察者层架构

OLA是一个零信任、三层多代理参考架构，用于主权AI系统，通过严格解耦资源供应和身份管理，确保数据主权。

  • by andreas2301
  • 本地部署
  • 更新于
在 GitHub 查看 andreas2301/Observer-Layer-Architecture

使用说明

The Observer Layer Architecture (OLA)

A Zero-Trust, 3-Tier Multi-Agent Reference Architecture for Sovereign AI Systems

About • Why This Matters • Core Concepts • Read the Paper • Citation

📖 关于

这 观察者层架构（OLA） 是一种与框架无关的架构设计，通过引入强制性的第三层来扩展标准的Orchestrator Agent Swarm模型（例如Microsoft MARA）： 哨兵治理层 （0级）。

通过严格将资源配置与身份管理脱钩，OLA创建了一个“双盲”隐私模型，保证了数据主权。它确保没有一个单一的受损层（甚至是核心编排器）可以同时编排流程和访问明文机密。

🚀 为什么现在这很重要

随着自主代理深度集成到企业系统中：

  1. 编排器是单点故障： 在标准的两层设置中，“上帝进程”编排器同时持有计算和凭证密钥。如果它倒下了，整个系统都会被破坏。
  2. 不受信任的工具生态系统： 代理依赖于模型上下文协议（MCP）和市场技能。实时审查这些是不可能的。
  3. 不堪重负的人类： 二进制的“允许/拒绝”护栏要么无法阻止新的威胁，要么向人类操作员发送误报。

OLA通过引入 分级治理管道 并执行 建筑不信任.

🏗️ 核心概念

  • 第0层：哨兵治理（观察员）： 一个隔离层，容纳秘密管理器、规则引擎和不可变审计日志。它持有密钥，但没有计算执行能力。
  • 第1层：编排者： 管理代理生命周期并路由外部流量，但对明文凭据进行物理屏蔽。
  • 第二层：Agent Swarm： 域专门化和执行任务的操作环境，通过mTLS直接针对第0层进行身份验证。
  • 锁箱协议： 一种有弹性的安全故障机制，取代了“违规删除”触发器。它对受感染代理的运行时状态进行加密，以便进行取证审查，而不会将数据暴露给攻击者。

📄 读报

我们鼓励安全工程师、人工智能架构师和学术研究人员阅读完整的架构规范：

👉 阅读完整规范(observer_layer_architecture.md)

multi-agent-systems zero-trust ai-security mcp mara semantic-kernel cybersecurity agentic-ai architecture-patterns openclaw moltbot claude openai gemini

📚 引用

如果你建立在观察者层架构之上或在你的研究中引用它，请引用这篇论文：

@misc{greger2026ola,
  author = {Greger, Andreas},
  title = {The Observer Layer Architecture: A 3-Tier Multi-Agent Reference Architecture for Sovereign AI Systems},
  year = {2026},
  url = {https://github.com/andreas2301/Observer-Layer-Architecture},
  note = {GitHub Repository}
}

⚖️ 许可证

此作品根据 知识共享署名-相同方式共享4.0国际许可 （CC BY SA 4.0）。

相关 MCP