两种不同的智能体授权类型

📌 一句话摘要

LangChain 在 LangSmith Fleet 中引入了两种智能体授权模型：Assistants（代表特定用户行事）和 Claws（使用固定凭据执行自主任务）。

📝 详细摘要

本文详细介绍了 LangSmith Fleet 的发布及其在智能体授权方面的专业方案，解决了智能体在访问 Slack 或 Notion 等工具时如何进行身份验证这一关键问题。文章区分了两种主要模式：“Assistants”和“Claws”。Assistants 基于“代表（on-behalf-of）”模式运行，将最终用户的身份映射到其特定凭据，以确保严格的数据隐私和访问控制。相比之下，Claws 使用一组固定凭据，使其能够作为独立实体执行诸如电子邮件管理或产品监控等任务。文章强调了对于 Claws 执行的敏感操作，设置“人在回路（human-in-the-loop）”护栏的重要性，并概述了未来在细粒度、用户特定记忆权限方面的发展，以防止不同用户在与同一智能体交互时发生数据泄露。

💡 主要观点

- “代表（On-behalf-of）”模型（Assistants）确保了用户级的数据隔离。 通过在运行时将最终用户 ID 映射到特定的身份验证凭据，Assistants 只能访问特定用户有权查看的数据，从而防止跨用户数据泄露。

“固定凭据”模型（Claws）实现了自主和共享的智能体功能。 Claws 使用专用账户执行任务，无论触发者是谁，这非常适合面向公众的智能体或系统级监控。

对于具有固定凭据的智能体，人在回路（human-in-the-loop）的护栏至关重要。 由于 Claws 在不同用户之间使用一致的权限集运行，因此必须通过人工审批来控制敏感或危险的操作，以确保安全。

未来的智能体架构需要细粒度的记忆权限。 为了防止智能体将来自一个用户会话的敏感信息共享给另一个用户，开发者必须实现用户特定的记忆管理。

💬 文章金句

- 智能体授权是指智能体被授权做什么。当智能体调用 Slack 工具时——在拉取数据之前，它以谁的身份进行身份验证？

Assistants：代表（on-behalf-of）其最终用户行事；Claws：拥有自己固定的凭据。
如果该智能体可以采取可能具有危险性或敏感性的操作，你可能需要使用一些“人在回路（human-in-the-loop）”护栏，以确保这些操作受到管控。
未来，我们将引入用户特定的记忆功能。

📊 文章信息

AI 评分：89

来源：LangChain Blog

作者：LangChain Accounts

分类：人工智能

语言：英文

阅读时间：4 分钟

字数：854

标签： AI 智能体, LangChain, LangSmith Fleet, 智能体授权, LLM 安全

阅读完整文章

两种不同的智能体授权类型

🤖 問 AI