網誌

一份涵蓋限定範圍的存取、安全寫入、批准閘道、追蹤、復原和可重複評估的生產環境 AI 代理檢查清單。

把代理治理轉化為可執行規則，涵蓋身份、操作、批准、支出、數據、模型、工具、證據、例外和事故。

凍結可見工具集、檢查追蹤、找出結構描述重疊，並分開測試選擇和執行，以診斷工具選擇錯誤。

透過錯誤分類、冪等性、檢查點、對賬、有限重試、批准、取消和補償，復原 AI 代理工作流程。

按威脅模型，以檔案系統、程序、網絡、憑證、資源、產物、生命週期和清理控制，隔離代理生成的程式碼。

透過所代表的身份、下游授權、限定範圍的憑證、批准閘道、密鑰隔離和實用審計記錄保護 AI 代理。

使用具代表性的任務、確定性檢查、模型裁判、重複執行、安全情況和發佈門檻，建立 AI 代理評估。

使用一條追蹤監察 AI 代理的模型呼叫、工具選擇、政策檢查、後端副作用、重試、成本、質素和復原。

按程式碼信任、網絡存取、生命週期、狀態、延遲和隔離需要選擇代理運算環境：API 呼叫、工作、程序、容器、sandbox 或 VM。

為代理身份、數據庫、佇列、快取、工具、產物、配額、日誌、憑證和刪除路徑設計租戶隔離。

涵蓋代理任務、冪等操作、檢查點、審計事件、outbox、租戶隔離、lease 和追蹤參照的數據庫模式。

為可恢復工作、人員批准、檢查點、並行 worker、結構描述變更、數據保留及復原設計持久代理狀態。

持久執行讓 AI 代理在系統失效後繼續工作，而不會重複已完成的副作用。了解檢查點、冪等性、重試和結果核對。

設計負責身份、政策、憑證、操作、批准、審計紀錄、限制和資源所有權的代理控制平面。

實用的 AI 代理架構會分開模型迴圈、工具、身份、狀態、記憶、持久執行、後端服務和遙測。

廣泛 SaaS 操作可選 Composio、已驗證工具執行可選 Arcade、端點包裝可選 RapidMCP，產品專屬工作則使用自訂 MCP。

生產環境的 MCP 堆疊包含傳輸、協定伺服器、身份驗證、工具路由、政策、執行憑證、操作狀態和遙測。

安全的基礎設施工具會分開規劃與套用、限制身份、保護憑證、要求批准、對應重試、追蹤副作用並支援復原。

不要讓供應商密鑰進入提示、工具參數、結果、URL、瀏覽器程式碼和日誌。由 MCP 伺服器使用另一份範圍受限的上游憑證。

可靠的 MCP 工具有明確的工作名稱、有界限的結構描述、範圍受限的授權、結構化結果、穩定錯誤、安全寫入和選擇評估。

工作層級的代理工具會說明何時使用、何時不應使用、必要上下文、副作用和結果。原始端點結構很少能提供足夠語意。

使用 OAuth 探索、PKCE、資源指標、綁定 audience 的權杖、下游授權和獨立上游憑證，保護遙距 MCP 伺服器。

透過工作層級工具、經過驗證的結構描述、範圍受限的身份驗證和結構化錯誤，將 REST API 包裝成 MCP 伺服器。

固定的應用程式碼應使用 API 或 SDK；模型需要在執行期探索工具時則使用 MCP。大多數生產環境的 MCP 工具底層仍會調用 API。

MCP 基礎設施包含 MCP 周邊的客戶端、傳輸、伺服器、工具、授權、政策、憑證、後端執行、狀態和遙測。

AI 代理需要持久的管道來處理批准、完成通知、傳入工作和人工回覆，並具備身份、討論串、傳送狀態和審計能力。

Codex 和 Windsurf 都能調用後端工具，但無人值守工作與 IDE 工作階段需要不同的批准、環境、重試和交接方式。

選擇初創後端基礎設施時，應按照操作人員、必要服務、合規、遷移需求、失敗復原，以及每個完成工作流程的成本來判斷。

使用 Claude Code 與 Cohesivity 檢查項目、建立暫時租戶、配置 Postgres 和託管、測試候補名單 API，並完成部署。

在真正用戶加入前，AI 生成的應用程式仍需要伺服器端密鑰、授權、租戶隔離、安全寫入、預算、遷移和復原機制。

程式開發代理可以建立一個 Cohesivity 租戶、讀取即時服務合約、配置數據庫、身份驗證、儲存空間和託管，然後逐一驗證結果。

選擇 Cursor 後端時，應評估項目建立、MCP 與終端機支援、權限範圍、冪等寫入、開發環境隔離和部署交接。

選擇 Claude Code 後端時，要確認其 CLI 或 MCP 路徑能否建立權限受限的開發項目、復原寫入，並在不洩露供應商密鑰的情況下部署。

代理可操作的後端，會透過可調用的合約提供資源配置、狀態、憑證、安全寫入、批准、清理和結構化錯誤。

從項目建立、身份驗證、工具範圍、安全寫入、託管、擁有權和生產環境存取，比較 AI 程式開發代理使用的後端。

計算每項已完成工作的 AI 代理成本時，應計入模型 token、付費工具、執行環境、儲存、重試和閒置資源，而不能只看一張 API 帳單。

生產環境中的 AI 代理需要範圍受限的存取權、有界執行、安全寫入、持久復原、沙箱、追蹤、評估，以及經過測試的停止路徑。

AI 代理技術堆疊把推理、工具、身份、記憶、執行、應用程式基礎設施和遙測分開，讓每種失敗都有單一負責者。

AI 代理可以使用傳統後端服務，但還需要結構化配置、範圍受限的憑證、安全重試，以及機器可讀的失敗資訊。

AI 代理會在執行期間選擇步驟，SaaS 應用程式則執行預先設計的工作流程。這會改變權限、測試、介面和成本。

AI 代理基礎設施結合模型、工具、身份、狀態、執行環境、應用程式後端和遙測。本文解釋每一層的職責。

代理原生基礎設施讓 AI 代理透過結構化及設有權限控制的介面，自行探索、配置和操作後端資源。