AI热榜 最近，Uber 描述了一种用于 在多智能体 AI 工作流中传播智能体身份的内部架构 。
该设计的目标是，在智能体委派任务并调用内部工具时，能够保留原始的用户上下文、智能体的来源信息以及限定范围的访问权限。
Uber 的案例研究印证了 Auth0 的观点 ：AI 智能体需要权限模型，基于授权委托、范围限定凭证以及明确的人工审批边界，而非传统的服务账户或宽泛的 OAuth 权限范围。
问题在于，AI 智能体无法完美地融入为人类用户或后端服务构建的访问控制模型中。
在 Auth0 的一篇文章中，Cameron Pavey 指出，用户通常受会话和用户界面的限制。
相比之下，后端服务通常是确定性的，而且可以通过静态代码路径进行审计。
智能体可能会执行多步骤任务、调用工具、将任务委托给其他智能体，并代表用户采取行动，而这些行动并非全部由该用户直接做出选择。
正如 Pavey 所言：“AI 智能体不属于上述任何一类。
” Uber 的实现方案将其“零信任”架构扩展到了智能体系统。
Uber 工程师介绍了一种架构，其中包括智能体注册表、AI 智能体网格、安全令牌服务、 模型上下文协议 （MCP）网关、下游系统以及 AI 网关/AI 守护程序。
智能体注册表存储了智能体与其被允许托管的工作负载之间的关联关系。
安全令牌服务会验证该关联关系，并为智能体工作流中的每个跳点签发短效的 JSON Web Token
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接