随着 AI 代理在生产环境中的不断扩展部署，关于保持严格的隔离、安全以及强制执行组织策略的核心挑战也随之浮现。如果没有强有力的控制机制，这些代理可能会缺乏防止其潜在逃逸出指定环境所需的安全边界。
代理隔离的概念及其在基础设施中的重要性
传统的容器环境（如 Docker）通常具有扁平的特性，允许广泛的网络流量在没有内核级严格限制的情况下通过。为了实现对 AI 代理真正可靠的隔离，基础设施需要两个基本的保护级别：通过 gVisor 等系统在用户空间处理系统调用的软件级隔离，以及直接在物理处理器内核上运行的微虚拟机（microVMs）硬件级隔离。
这些机制有助于在发生任何漏洞时缩小潜在的影响范围，同时通过数据快照功能确保持久状态，并通过专用的 AI 网关来调节入站和出站流量。
Agent Substrate 平台与 kagent 角色的运行时
所提出的架构依赖于作为代理管理声明式接口的 kagent 运行时，以及作为创建安全沙箱基础层的 Agent Substrate 平台之间的集成。控制平面集中管理被称为执行实体的参与者，这些参与者位于依赖 Kubernetes Pods 的工作池中。
这种配置允许开发人员构建统一的代理基本模板，并通过自定义配置文件以声明方式应用它们，或者通过图形用户界面交互式地管理它们，以动态创建和终止会话，从而确保仅在实际交互时消耗资源。
对开发人员而言，实际发生了什么改变？
这种集成赋予了工程团队以云原生系统中熟悉的传统方式处理 AI 代理的能力，同时提供了对权限、调用工具以及附加到模型的脚本的完全控制。随着企业对采用人工智能的需求不断增长，对代理工作范围进行精确治理和控制的能力已成为克服与这些技术相关的运营风险的基本条件。