AI代理治理扩展

Policy Copilot是Archestra的运行时治理扩展,为基于MCP的AI代理编排添加确定性执行功能。

  • by jaybamroliya
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 jaybamroliya/policy-copilot-mcp

使用说明

🛡️ 策略副本(MCP治理层)

Archestra代理编排的治理层

Policy Copilot是Archestra的运行时治理扩展,为基于MCP构建的AI代理编排添加了确定性强制。

Policy Copilot是Archestra的运行时治理扩展,为基于MCP构建的AI代理编排添加了确定性强制。


🚨 问题

它将Archestra从一个协调系统转变为一个受治理的代理基础设施平台。

自主代理可以:

  • 由Archestra等平台编排的AI代理可以:
  • 触发外部API
  • 发送邮件
  • 使用昂贵的型号
  • 绕过基于提示的安全

及时的指示不是强制执行。 现代人工智能系统缺乏确定性的运行时治理。


💡 想法

我们用一个名为策略副本的治理中间件层扩展了Archestra。

与其信任代理人,不如: Archestra通过策略执行层路由每个操作。

  • 我们 拦截工具调用
  • 我们 检查输出
  • 我们 强制模型使用
  • 我们 应用运行时治理

核心思想:

代理人不能决定它可以做什么。 策略服务器可以。


🧱 我们建造了什么

政策副本是 单独的MCP服务器 这起到了 策略控制平面 对于其他AI代理。

组件

组件 目的
工人代理人 设计不安全的AI代理
政策副本 MCP服务器执行策略
策略规则(YAML) 人类可读的治理规则
CLI演示 明确显示执行情况
Archestra配置 概念编排层

🧠 建筑

该项目包含三个组成部分:

1.️⃣ 工人代理(设计不安全)

MCP服务器:

  • 读取客户数据(包含PII)
  • 尝试发送外部电子邮件
  • 使用昂贵的型号 这是故意的,因此可以清楚地证明执行。

2.️⃣ 策略副本(治理MCP服务器)

一个单独的MCP服务器,它:

  • 阻止不安全的工具调用
  • 重写敏感输出
  • 强制模型限制 它独立于工人代理人运作。

3.️⃣ CLI演示层

模拟代理行为并清楚地显示实时策略执行。

🧠 架构图

User Request
     ↓
┌─────────────────────┐
│ Archestra           │
│ Orchestrator        │  ← Routing, planning, context mgmt
└─────────┬───────────┘
          ↓
┌─────────────────────┐
│ Policy Copilot      │  ← Governance middleware
│ (Compliance Layer)  │     - RBAC
│                     │     - Cost control
│                     │     - Tool allow/block
│                     │     - Safety
└─────────┬───────────┘
          ↓ Approved Plan
┌─────────────────────┐
│ Worker Agent (MCP)  │  ← Executes plan
│                     │     - Tool calls
│                     │     - Model calls
│                     │     - External APIs
└─────────┬───────────┘
          ↓
┌─────────────────────┐
│ Tools / Models      │  ← Databases, APIs, LLMs, Files
└─────────────────────┘

关注点分离:

  • 阿奇斯特拉→ 编排
  • 政策副本→ 执行
  • 工人代理人→ 执行

📜 政策即代码

所有执行逻辑都在policy/rules.yaml中定义。

policies:
  - name: block_external_email
    type: tool_block
    tool: send_email
    reason: "External communication is not allowed"

  - name: redact_pii
    type: output_rewrite
    keywords:
      - "@example.com"

  - name: restrict_model
    type: model_limit
    allowed_models:
      - gpt-4o-mini

这些规则执行什么

  • ❌ 阻止外部通信
  • ✂️ 修改敏感客户数据
  • 💰 将模型使用限制为批准的模型

政策包括:

  • 人类可读
  • 可审计的
  • 独立于代理逻辑
  • 运行时确定性

这表明治理是基础设施,而不是快速工程。

⚙️ 它是如何工作的(运行时流)

1.️⃣ 工作代理尝试执行操作

2.️⃣ Policy Copilot评估工具调用

3.️⃣ 不安全的工具被阻止

4.️⃣ 输出被扫描和重写

5.️⃣ 模型使用已验证

所有执行都发生在结果离开系统之前。

所有执行都发生在结果离开系统之前。

🧪 演示场景

任务:

  • 总结客户数据和电子邮件结果

执行结果:

  • ❌ 外部电子邮件被阻止
  • ✂️ PII已编辑
  • 💰 避免了昂贵的型号
  • ✅ 允许的模型已自动应用

🎯 为什么这很重要 政策副本展示了:

  • 治理作为基础设施
  • 运行时AI安全
  • 企业合规控制
  • 确定性代理执行
  • 确定性代理执行

这使Archestra成为生产级AI控制平面。