AgentMesh为多 Agent 系统构建企业级信任与治理层的实战指南Agent Governance Toolkit【免费下载链接】agent-governance-toolkitAI Agent Governance Toolkit — Policy enforcement, zero-trust identity, execution sandboxing, and reliability engineering for autonomous AI agents. Covers 10/10 OWASP Agentic Top 10.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-governance-toolkitAgentMesh 是 Agent Governance Toolkit 中为受治理的 Agent 网状网络Governed Agent Mesh量身打造的信任、身份与治理平台官方定位是AI Agent 的 SSL——为每个 Agent 签发密码学身份、验证每一次交互、审计每一个动作。本文基于 docs/packages/agent-mesh.md 展开结合仓库内 agent-mesh 的完整源码与测试系统讲解其四层架构、身份与凭证模型、IATP 信任握手、MCP 治理代理、策略引擎与合规自动化并给出可直接运行的安装、CLI 与配置示例。读完本文你将掌握如何为 Claude Desktop 等 MCP 客户端接入治理代理、如何初始化一个自带身份/信任/审计的受治理 Agent以及如何用声明式策略和信任分机制让多 Agent 系统在企业中安全落地。AgentMesh 是什么为 Agent 网格补上缺失的信任层A2AAgent-to-Agent为 Agent 提供了共同语言MCPModel Context Protocol为 Agent 提供了工具接入能力但两者都不强制信任。AgentMesh 填补的正是这一空白它以云原生、多厂商的 AI Agent 网络为对象提供一整套身份、信任、奖励、治理Identity · Trust · Reward · Governance基础设施使多 Agent 系统达到企业级就绪状态。AgentMesh 整体采用四层架构从仓库根目录的 docs/packages/agent-mesh.md 中可以看到如下分层┌─────────────────────────────────────────────────────────────────────────────┐ │ AGENTMESH ARCHITECTURE │ ├─────────────────────────────────────────────────────────────────────────────┤ │ LAYER 4 │ Reward Learning Engine │ │ │ Per-agent trust scores · Behavioral rewards · Adaptive │ ├───────────┼─────────────────────────────────────────────────────────────────┤ │ LAYER 3 │ Governance Compliance Plane │ │ │ Policy engine · EU AI Act / SOC2 / HIPAA · Audit logs │ ├───────────┼─────────────────────────────────────────────────────────────────┤ │ LAYER 2 │ Trust Protocol Bridge │ │ │ A2A · MCP · IATP · Protocol translation · Capability scoping │ ├───────────┼─────────────────────────────────────────────────────────────────┤ │ LAYER 1 │ Identity Zero-Trust Core │ │ │ Agent CA · Ephemeral creds · SPIFFE/SVID · Human sponsors │ │ │ Ed25519 ML-DSA-65 (quantum-safe) · Lifecycle management │ └───────────┴─────────────────────────────────────────────────────────────────┘这四层在源码目录 src/agentmesh/ 中有清晰对应的模块identity/Layer 1Agent 身份与零信任、trust/Layer 2信任与协议桥、governance/Layer 3治理与合规、reward/Layer 4奖励与学习外加integrations/协议与框架适配、cli/命令行入口、storage/存储抽象、observability/可观测性与services/服务封装。下文将逐一展开。为什么需要 AgentMesh非人类身份正在失控AgentMesh 面向的核心问题来自企业真实环境的变化企业中非人类身份Non-human identities数量已达到人类身份的 40:1 到 100:1AI Agent 是增长最快、同时也是治理最薄弱的身份类别A2A 让 Agent 有了共同语言MCP 让 Agent 有了工具但两者都不强制信任——这正是安全缺口所在。AgentMesh 给出的解决方案能力矩阵如下摘自 docs/packages/agent-mesh.md能力说明Agent 身份Agent Identity一级身份绑定人类 Sponsor 问责机制量子安全签名Quantum-Safe SigningEd25519 ML-DSA-65FIPS 204后量子签名临时凭证Ephemeral Credentials默认 15 分钟 TTL自动轮换生命周期管理Lifecycle Management开通 → 审批 → 激活 → 轮换 → 退役协议桥Protocol Bridge原生支持 A2A、MCP、IATP统一信任模型奖励引擎Reward Engine持续行为评分孤儿检测Orphan Detection发现静默、无主、过期的 Agent合规自动化Compliance AutomationEU AI Act、SOC 2、HIPAA、GDPR 映射核心工作机制五个关键流程1. Agent 注册与 DID 签发这一流程的底层实现位于 agent_id.pyAgentDID采用did:mesh:unique-id格式其中unique_id使用secrets.token_hex(16)生成 128 位随机熵32 个十六进制字符避免了过去用 Agent 名称与组织名折叠进种子导致熵不足的安全隐患。AgentIdentityagent_id.py是一个 Pydantic 模型承载 DID、Ed25519 公钥、sponsor 邮箱、能力列表capabilities、身份状态active/suspended/revoked以及委派链信息parent_did、delegation_depth、max_initial_trust_score。2. 两个 Agent 之间的信任握手该流程对应 trust/bridge.py 中的TrustBridge其default_trust_threshold默认为 7000–1000 分制通过PeerInfo记录对端 DID、协议类型a2a/mcp/iatp/acp、信任分、能力与端点信息。握手本身由TrustHandshake完成IATP 挑战-响应握手实现会在未安装 Agent OS 时优雅回退。仓库中的 test_handshake_e2e.py 与 test_handshake_security.py 对握手全链路与安全边界进行了验证。3. MCP 代理请求流MCP 治理代理的具体实现可参考 cli/proxy.py 与 TypeScript 版代理 packages/mcp-proxy含policy.ts、sanitizer.ts、rate-limiter.ts、audit.ts等模块测试见 test_proxy.py。4. 凭证轮换生命周期凭证实现位于 identity/credentials.pyCredential默认ttl_seconds90015 分钟支持能力与资源范围绑定capabilities、resources、自动轮换记录previous_credential_id与rotation_count以及即时吊销status支持 active/rotated/revoked/expired。配套测试见 test_credential_lifecycle.py 与 test_revocation_rotation.py。5. 任务完成后的信任分更新奖励引擎源码见 reward/engine.pyRewardEngine对每个动作按五个维度评分——策略合规Policy Compliance、资源效率Resource Efficiency、输出质量Output Quality、安全态势Security Posture、协作健康Collaboration Health并维护每 Agent 的信任状态、信号历史与得分历史。CLI 初始化时生成的 agentmesh.yaml 清单会为这五个维度分配默认权重policy_compliance 0.25、resource_efficiency 0.15、output_quality 0.20、security_posture 0.25、collaboration_health 0.15。快速开始三种接入方式方式一保护 Claude Desktop推荐# 安装 AgentMesh pip install agentmesh-platform # 让 Claude Desktop 走 AgentMesh 治理 agentmesh init-integration --claude # 重启 Claude Desktop - 所有 MCP 工具现在都处于治理保护之下完成后Claude 的所有工具调用都会经由 AgentMesh 完成策略强制与信任评分。详细配置说明见 docs/integrations/claude-desktop.md。方式二创建一个受治理的 Agent# 30 秒初始化一个受治理 Agent agentmesh init --name my-agent --sponsor alicecompany.com # 进入生成的项目 cd my-agent # 运行生成的治理冒烟测试 python src/main.pyinit命令的完整参数--name/-n、--sponsor/-s、--output/-o、--json与脚手架生成逻辑见 cli/main.py它会在目标目录创建src/、policies/、tests/结构并生成agentmesh.yaml清单内含身份 TTL 15 分钟、信任协议[a2a, mcp, iatp]、最小对端信任分 500、奖励维度权重等默认值以及默认安全策略。注意--name只允许字母、数字、短横线、下划线与点号从源码看这是为了防止路径穿越CWE-22。方式三包装任意 MCP Server# 为任意 MCP server 加治理代理 agentmesh proxy --target npx --target -y \ --target modelcontextprotocol/server-filesystem \ --target /path/to/directory # 使用严格策略拦截写入/删除操作 agentmesh proxy --policy strict --target your-mcp-server仓库提供了多套可直接使用的策略模板examples/policies/strict.yaml、examples/policies/permissive.yaml、examples/policies/default.yaml 以及基于 Rego 的 examples/policies/mesh.rego。安装方式基础安装pip install agentmesh-platform带额外依赖安装pip install agentmesh-platform[server] # FastAPI server pip install agentmesh-platform[dev] # Development tools从源码安装适用于当前仓库git clone https://gitcode.com/GitHub_Trending/ag/agent-governance-toolkit cd agent-governance-python/agent-mesh pip install -e .注意agentmesh-platform在 PyPI 上属于Public Preview版本文档明确提示 API 在 GA 前可能发生变化当前仓库内 CLI 版本为 3.1.0见 cli/main.py。AgentMesh ProxyAI Agent 的SSL问题场景Claude Desktop 之类的 AI Agent 通过 MCP server 拥有对文件系统、数据库、API 的无约束访问权限——一次幻觉就可能造成灾难性后果。解决方案AgentMesh 作为一个透明治理代理位于客户端与 MCP server 之间。以 Claude Desktop 的claude_desktop_config.json为例改造前无保护直连{ mcpServers: { filesystem: { command: npx, args: [-y, modelcontextprotocol/server-filesystem, /Users/me] } } }改造后AgentMesh 保护{ mcpServers: { filesystem: { command: agentmesh, args: [ proxy, --policy, strict, --target, npx, --target, -y, --target, modelcontextprotocol/server-filesystem, --target, /Users/me ] } } }接入后获得的能力策略强制危险操作在真正执行前即被拦截信任评分每 Agent 独立信任分800–1000 分制区间常用全量 0–1000审计日志记录每一次动作验证页脚Verification Footers在输出结果中追加可视化确认信息让使用者知道结果经过了治理。10 秒接入agentmesh init-integration --claude # 重启 Claude Desktop - 完成更完整的代理配置示例参见 docs/integrations/proxy-examples.md 与 tutorials/claude-desktop-mcp-proxy/README.md。核心概念与源码实现1. Agent 身份Agent Identity每个 Agent 获得一个唯一、密码学绑定的身份from agentmesh import AgentIdentity identity AgentIdentity.create( namedata-analyst-agent, sponsoralicecompany.com, # 人类问责 capabilities[read:data, write:reports], )源码中的AgentIdentityagent_id.py与普通服务账号的关键差异在于绑定人类 Sponsor、使用临时凭证、支持范围链、持续风险评分。其身份状态可流转于active/suspended/revoked之间吊销在 ≤5s 内传播模块文档字符串明确声明。该模块还支持通过max_initial_trust_score实现血统绑定信任上限——子 Agent 的初始信任分不能超过父链上限这是防 Sybil 攻击的不变式。2. 范围链Scope ChainsAgent 可以委派给子 Agent但范围只会收窄、不会扩大# 父 Agent 委派给子 Agent child_identity parent_identity.delegate( namesummarizer-subagent, capabilities[read:data], # 父能力的一个子集 )委派链实现见 identity/delegation.py仓库通过 test_delegation_chain.py 与 test_delegation_depth.py 验证链的深度限制与能力收窄语义。这一机制直接对应威胁模型中的委派提权防御链条强制范围收窄。3. 信任握手IATP跨 Agent 通信必须先通过信任验证from agentmesh import AgentIdentity, TrustBridge # 先创建你的身份 identity AgentIdentity.create(namemy-agent, sponsoradmincompany.com) # 建立信任桥 bridge TrustBridge(agent_didstr(identity.did)) # 通信前验证对端 verification await bridge.verify_peer( peer_diddid:mesh:other-agent, required_trust_score700, ) if verification.verified: print(fPeer trusted: score{verification.trust_score})从源码看TrustBridge还做了进程内完整性保护对peers记录的关键字段计算 HMAC 签名防止位翻转或程序错误导致的记录损坏bridge.py。需要说明的是源码注释明确警告该 HMAC 密钥与数据同处进程内存仅防意外损坏不构成对抗具备写权限攻击者的安全原语真正的防篡改需要将密钥迁移到 sidecar、TEESGX/SEV或远程签名服务。4. 奖励评分Reward Scoring每个动作都会参与评分以维持 Agent 信任from agentmesh import RewardEngine engine RewardEngine() # 动作自动被评分 score engine.get_agent_score(did:mesh:my-agent) # 返回 0-1000 分的信任分奖励引擎的评分维度与权重在 reward/engine.py 中可配置还包括吊销阈值revocation_threshold与警告阈值warning_threshold相关行为在 test_reward.py、test_reward_distribution.py、test_trust_decay.py 中有覆盖。5. 策略引擎Policy Engine声明式治理策略YAML 定义# policy.yaml version: 1.0 agent: data-analyst-agent rules: - name: no-pii-export condition: action.type export and data.contains_pii action: deny - name: rate-limit-api condition: action.type api_call limit: 100/hour - name: require-approval-for-delete condition: action.type delete action: require_approval approvers: [security-team]策略引擎实现位于 governance/policy.pyPolicyRule由name、condition、actionallow/deny/warn/require_approval、stagepre_input/pre_tool/post_tool/pre_output即 Agent 生命周期中的评估时机组成。几点源码级细节速率限制字符串如100/hour由parse_rate_limit解析为(count, period_seconds)周期仅支持second/minute/hour/day格式错误会在策略加载期快速失败fail fast而不是在评估期崩溃policy.py策略支持apiVersion模式版本化当前版本governance.toolkit/v1旧版1.0会发出弃用警告未知版本抛ValueError策略评估目标为确定性结果评估延迟设计目标 5ms注意这是设计目标见下文已知限制章节尚未完成基准验证。协议支持协议状态说明AI CardAlpha跨协议身份标准源码见 src/agentmesh/integrations/ai_card/A2AAlphaAgent 间协调完整适配器见 src/agentmesh/integrations/a2a/MCPAlpha工具与资源绑定信任门控的 server/client见 src/agentmesh/integrations/mcp/IATPAlpha信任握手经 Agent OS 提供未安装时优雅回退ACP规划中轻量消息传递协议桥支持路由适配器尚未实现SPIFFEAlpha工作负载身份仓库的协议级测试包括 test_protocol_snapshots.py、test_spec_identity_trust_conformance.py 与 test_spec_mesh_trust_conformance.py。源码架构速览AgentMesh 的实际源码树位于 src/agentmesh/agentmesh/ ├── identity/ # Layer 1: 身份与零信任 │ ├── agent_id.py # Agent 身份管理DID、Ed25519 密钥 │ ├── credentials.py # 临时凭证签发15 分钟 TTL │ ├── delegation.py # 范围链 │ ├── spiffe.py # SPIFFE/SVID 集成 │ ├── risk.py # 持续风险评分 │ └── sponsor.py # 人类 Sponsor 问责 │ ├── trust/ # Layer 2: 信任与协议桥 │ ├── bridge.py # 多协议信任桥A2A/MCP/IATP/ACP │ ├── handshake.py # IATP 信任握手 │ ├── cards.py # 可信 Agent 卡片 │ ├── endorsement.py # Agent 背书 │ └── capability.py # 能力范围限定 │ ├── governance/ # Layer 3: 治理与合规 │ ├── policy.py # 声明式策略引擎YAML/JSON │ ├── compliance.py # 合规映射EU AI Act、SOC2、HIPAA、GDPR │ ├── eu_ai_act.py # EU AI Act 风险分类器Art. 5/6、Annex I/III │ ├── audit.py # 审计日志 │ ├── approval.py # 审批协议 │ └── opa.py # OPA/Rego 后端支持 │ ├── reward/ # Layer 4: 奖励与学习 │ ├── engine.py # 多维度奖励引擎 │ ├── scoring.py # 信任评分 │ └── trust_decay.py # 信任衰减 │ ├── integrations/ # 协议与框架适配器 │ ├── ai_card/ # AI Card 标准跨协议身份 │ ├── a2a/ # Google A2A 协议支持 │ ├── mcp/ # MCP 信任门控 server/client │ ├── langgraph/ # LangGraph 信任检查点 │ └── swarm/ # OpenAI Swarm 信任验证交接 │ ├── cli/ # 命令行接口 │ ├── main.py # agentmesh init/register/status/audit/policy │ └── proxy.py # MCP 治理代理 │ ├── core/ # 底层服务CA 等 ├── storage/ # 存储抽象内存、Redis、PostgreSQL ├── observability/ # OpenTelemetry 追踪与 Prometheus 指标 └── services/ # 服务封装registry、audit、reward上述目录中的shadow.py在文档中标注为遗留参考——Shadow 模式已迁移至 Agent SRE 模块。合规自动化AgentMesh 为以下框架自动进行合规映射EU AI Act— 结构化风险分类Art. 5/6、Annex I/III、Art. 6(3) 豁免SOC 2— 安全、可用性、处理完整性HIPAA— PHI 处理、审计控制GDPR— 数据处理、同意、解释权。from agentmesh import ComplianceEngine, ComplianceFramework compliance ComplianceEngine(frameworks[ComplianceFramework.SOC2, ComplianceFramework.HIPAA]) # 检查某个动作是否存在违规 violations compliance.check_compliance( agent_diddid:mesh:healthcare-agent, action_typedata_access, context{data_type: phi, encrypted: True}, ) # 生成合规报告 from datetime import datetime, timedelta report compliance.generate_report( frameworkComplianceFramework.SOC2, period_startdatetime.utcnow() - timedelta(days30), period_enddatetime.utcnow(), )EU AI Act 风险分类from agentmesh.governance import EUAIActRiskClassifier, AgentRiskProfile classifier EUAIActRiskClassifier() # 对一个信用评分系统分类 profile AgentRiskProfile( nameCreditBot, domaincredit_scoring, capabilities[financial_decisioning], ) result classifier.classify(profile) print(result.risk_level) # RiskLevel.HIGH print(result.triggers) # [Domain credit_scoring listed in Annex III (high-risk)] # Art. 6(3) 对窄范围程序性任务的豁免 profile AgentRiskProfile( nameFormHelper, domainemployment_recruitment, exemption_tags[narrow_procedural_task], ) result classifier.classify(profile) print(result.risk_level) # Not HIGH (exempted) print(result.exemptions_applied) # [narrow_procedural_task] # 自定义配置应对监管更新 classifier EUAIActRiskClassifier(config_pathmy_updated_annex_iii.yaml)EU AI Act 分类器的默认 Annex 配置见 governance/eu_ai_act_defaults.yaml测试见 tests/governance/test_eu_ai_act.py。威胁模型威胁AgentMesh 防御提示注入Prompt Injection工具输出在协议桥处净化凭证窃取Credential Theft15 分钟 TTL信任违约即时吊销影子 AgentShadow Agents未注册 Agent 在网络层被拦截委派提权Delegation Escalation范围链强制范围收窄级联故障Cascade Failure每 Agent 独立信任分隔离爆炸半径示例与集成仓库在 agent-governance-python/agent-mesh/examples/ 提供了可直接运行的示例示例使用场景关键特性00-registration-hello-worldAgent 注册入门身份、DID、Sponsor 握手01-mcp-tool-server带治理的安全 MCP server限流、输出净化、审计日志02-customer-service客服自动化信任握手、委派、A2A03-healthcare-hipaaHIPAA 合规数据分析合规自动化、PHI 保护、审计日志04-devops-automationDevOps 自动化即时JIT凭证、能力范围限定05-github-integration代码评审 Agent输出策略、信任衰减Shadow 模式已迁移至 Agent SRE06-trust-score-dashboard信任可视化面板Streamlit 仪表盘其中 01-mcp-tool-server/main.py 展示了GovernedMCPServer的封装方式用AgentIdentity、PolicyEngine、AuditLog、RewardEngine、CapabilityScope组合出一套完整的治理闭环。框架集成Claude Desktop一条命令保护 MCP 工具见 docs/integrations/claude-desktop.mdLangChain用策略保护 LangChain Agent见 examples/integrations/langchain.mdCrewAI多 Agent crew 治理见 examples/integrations/crewai.mdLangGraph图工作流的信任检查点内置src/agentmesh/integrations/langgraph/OpenAI Swarm信任验证的交接内置src/agentmesh/integrations/swarm/DifyDify 工作流的信任中间件见 agentmesh-integrations/dify/README.md其他生态集成位于 agentmesh-integrations/如 a2a-protocol、mcp-trust-proxy、langgraph-trust、openai-agents-trust、haystack-agentmesh 等。信任可视化仪表盘cd agent-governance-python/agent-mesh/examples/06-trust-score-dashboard pip install -r requirements.txt streamlit run trust_dashboard.py仪表盘包含标签页信任网络Trust Network| 信任分Trust Scores| 凭证生命周期Credential Lifecycle| 协议流量Protocol Traffic| 合规Compliance。仓库还提供了 Grafana 面板dashboards/grafana/mesh-overview.json与 Kubernetes Helm Chartcharts/agentmesh/。已知限制与开放性工作文档对已完成与未完成保持透明以下限制直接摘自 docs/packages/agent-mesh.md尚未实现项目位置说明ACP 协议适配器trust/bridge.py桥可路由 ACP 消息但尚无独立ACPAdapter类审计服务封装services/audit/核心审计模块governance/audit.py已完成服务层封装为 TODO奖励引擎服务封装services/reward_engine/核心奖励引擎reward/engine.py已完成服务层封装为 TODOMesh 控制面services/mesh-control-plane/占位目录尚未实现范围链密码学验证agentmesh-integrations/langchain-agentmesh/trust.py目前为模拟验证完整密码学链验证尚未实现Dify 集成的已知注意事项Dify 集成的文档化限制包括请求体签名验证X-Agent-Signature头尚未被中间件验证信任分时间衰减尚未实现分数不随时间衰减审计日志仅内存存储多 worker 部署下不持久环境变量配置需要编程方式初始化非自动装配。基础设施Redis/PostgreSQL 存储提供者已实现但需要真实基础设施进行测试单元测试使用内存提供者Kubernetes OperatorGovernedAgentCRD 已定义但没有 controller/operator 去调和它CRD 见 charts/agentmesh/crds/governedagent.yamlSPIRE 集成SPIFFE 身份模块存在真实 SPIRE Agent 集成仍为桩实现性能目标延迟开销 5ms、吞吐 10k reg/sec 属于设计目标尚未完成基准验证文档明确声明。文档docs/rfcs/目录存在但尚无 RFCdocs/architecture/目录存在但尚无架构文档当前以IMPLEMENTATION-NOTES.md为准。依赖与生态AgentMesh 构建于以下组件之上Agent OS仓库内 agent-os——IATP 协议、Nexus 信任交换Agent Runtimeagent-runtime——运行时会话治理Agent SREagent-sre——SLO 监控、混沌测试SPIFFE/SPIRE——工作负载身份OpenTelemetry——可观测性源码见 observability/。常见问题什么是 Agent MeshAgent Mesh 是多 Agent AI 系统的信任与通信基础设施类比微服务场景下的 Service Mesh。AgentMesh 提供基于 DID 的身份、0–1000 的每 Agent 信任分、临时凭证、奖励分配与自动化合规映射。AgentMesh 如何处理 Agent 间的信任每个 Agent 基于行为历史、其他 Agent 的背书以及治理策略合规情况获得 0–1000 的信任分。信任分决定 Agent 可以执行哪些动作、可以加入哪些会话并根据行为实时更新。AgentMesh 桥接了哪些协议统一三大协议Google 的 A2AAgent 间通信、Anthropic 的 MCP工具集成、IATP密码学信任建立让不同框架构建的 Agent 通过单一信任验证通道通信。另有 AI Card 跨协议身份标准与 SPIFFE 工作负载身份。AgentMesh 是否有助于监管合规是的。AgentMesh 为 EU AI Act、SOC 2、HIPAA、GDPR 提供自动化合规映射结合审计轨迹与确定性策略强制来自 Agent OS为监管合规提供文档化与安全保证。总结AgentMesh 的价值主张可以概括为一句文档中的结语Agents shouldnt be islands. But they also shouldnt be ungoverned.Agent 不应成为孤岛但也不应不受治理。它通过四层架构身份与零信任、信任与协议桥、治理与合规、奖励与学习把身份、信任、奖励、治理固化为一套可安装、可编程、可审计的基础设施。对开发者而言最快的上手路径是pip install agentmesh-platform→agentmesh init-integration --claude保护现有 MCP 客户端或agentmesh init --name my-agent --sponsor alicecompany.com创建受治理 Agent再结合 examples/ 中的七个示例逐步深入。需要留意的是当前 PyPI 包为 Public PreviewACP 适配器、服务层封装、Kubernetes Operator 与真实 SPIRE 集成等仍属开放工作生产落地前建议对照 docs/packages/agent-mesh.md 的Known Limitations章节逐项评估。【免费下载链接】agent-governance-toolkitAI Agent Governance Toolkit — Policy enforcement, zero-trust identity, execution sandboxing, and reliability engineering for autonomous AI agents. Covers 10/10 OWASP Agentic Top 10.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-governance-toolkit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考