部落格

一份涵蓋範圍受限的存取、安全寫入、核准閘道、追蹤、復原及可重複評估的正式環境 AI 代理檢查清單。

將代理治理轉成可執行規則，涵蓋身分、動作、核准、支出、資料、模型、工具、證據、例外及事故。

凍結可見工具集、檢查追蹤、找出結構描述重疊，並分開測試選擇與執行，以偵錯錯誤工具問題。

透過錯誤分類、冪等性、檢查點、結果對應、有限重試、核准、取消及補償，復原 AI 代理工作流程。

依威脅模型，以檔案系統、程序、網路、憑證、資源、成果、生命週期及清理控制，隔離代理生成的程式碼。

透過所代表的身分、下游授權、範圍受限的憑證、核准閘道、密鑰隔離及實用稽核記錄，保護 AI 代理。

使用具代表性的工作、確定性檢查、模型裁判、重複執行、安全情況及發布門檻，建立 AI 代理評估。

使用一條追蹤監控 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、品質及復原。

依程式碼信任、網路存取、生命週期、狀態、延遲及隔離選擇代理運算：API 呼叫、工作、程序、容器、sandbox 或 VM。

為代理身分、資料庫、佇列、快取、工具、成果、配額、日誌、憑證與刪除路徑設計租戶隔離。

涵蓋代理工作、冪等操作、檢查點、稽核事件、outbox、租戶隔離、lease 及追蹤參照的資料庫模式。

為可恢復工作、人類核准、檢查點、並行 worker、結構描述變更、資料保留及復原，設計持久的代理狀態。

持久執行讓 AI 代理能在當機後繼續，而且不會重複已完成的副作用。了解檢查點、冪等性、重試及結果對應。

設計負責身分、政策、憑證、操作、核准、稽核記錄、限制及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、身分、狀態、記憶、持久執行、後端服務及遙測。

廣泛 SaaS 動作可選 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。

正式環境的 MCP 堆疊包含傳輸、協定伺服器、身分驗證、工具路由、政策、執行憑證、操作狀態及遙測。

安全的基礎設施工會分開規劃與套用、限制身分、保護憑證、要求核准、對應重試、追蹤副作用並支援復原。

不要讓供應商金鑰進入提示詞、工具引數、結果、URL、瀏覽器程式碼及日誌。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、安全寫入及選擇評估。

工作層級的代理工具會說明何時使用、何時不該使用、必要上下文、副作用及結果。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、下游授權及獨立上游憑證，保護遠端 MCP 伺服器。

透過工作層級工具、經過驗證的結構描述、範圍受限的身分驗證及結構化錯誤，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。大多數正式環境的 MCP 工具底層仍會呼叫 API。

MCP 基礎設施包含 MCP 周邊的用戶端、傳輸、伺服器、工具、授權、政策、憑證、後端執行、狀態與遙測。

AI 代理需要持久的管道來處理核准、完成通知、傳入工作及人類回覆，並具備身分、討論串、傳送狀態與稽核能力。

Codex 和 Windsurf 都能呼叫後端工具，但無人值守工作與 IDE 工作階段需要不同的核准、環境、重試及交接方式。

選擇新創後端基礎設施時，應依操作人員、必要服務、法規遵循、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 檢查專案、建立暫時租戶、佈建 Postgres 和託管、測試候補名單 API，並完成部署。

在真正使用者加入前，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、遷移及復原機制。

程式開發代理可以建立一個 Cohesivity 租戶、讀取即時服務合約、佈建資料庫、身分驗證、儲存空間與託管，然後逐一驗證結果。

選擇 Cursor 後端時，應評估專案建立、MCP 與終端機支援、權限範圍、冪等寫入、開發環境隔離及部署交接。

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專案、復原寫入，並在不洩漏供應商密鑰的情況下部署。

代理可操作的後端，會透過可呼叫的合約提供資源佈建、狀態、憑證、安全寫入、核准、清理與結構化錯誤。

從專案建立、身分驗證、工具範圍、安全寫入、託管、擁有權與正式環境存取，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，應納入模型 token、付費工具、執行環境、儲存、重試及閒置資源，而不是只看一張 API 帳單。

正式環境中的 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、身分、記憶、執行、應用程式基礎設施與遙測分開，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，但還需要結構化佈建、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、介面與成本。

AI 代理基礎設施結合模型、工具、身分、狀態、執行環境、應用程式後端與遙測。本文說明每一層負責什麼。

代理原生基礎設施讓 AI 代理能透過結構化且有權限控管的介面，探索、佈建及操作後端資源。