AI ఏజెంట్‌కు పనిచేయడానికి అనుమతి ఇవ్వడం యొక్క ప్రమాదాలు ఏమిటి మరియు మీరు దానిని ఎలా సురక్షితంగా పరిమితం చేస్తారు?

Question

Accepted Answer

ఒక ఏజెంట్ **పనిచేయగలిగినప్పుడు** — ఫైలులను తొలగించు, shell కమాండ్‌లను అమలు చేయు, బాహ్య API లను కాల్ చేయు, డబ్బు ఖర్చు చేయు — దాని తప్పులు (లేదా విపరీతమైన సూచన) నిజ-ప్రపంచ పరిణామాలుగా మారతాయి. రక్షణ **కనీస అధికారం జతచేసి ఆమోదన గేట్‌లు జతచేసి ఐసోలేషన్**: దానికి కావాల్సిన దానిని మాత్రమే ఇవ్వండి, పునరావృత్తి చేయరానిది కోసం నిర్ధారణను కోరండి, మరియు దానిని శాశ్వత నష్టం కలిగించలేని చోట్లో అమలు చేయండి.

## ప్రమాదాలు

```text
- DESTRUCTIVE actions  → rm -rf, DROP TABLE, force-push → irreversible data loss
- ARBITRARY shell      → run anything → privilege escalation, exfiltration
- EXTERNAL APIs/$$     → send emails, place orders, spend on cloud/LLM tokens
- SECRET exposure      → leak API keys / .env / tokens into logs or outbound calls
- PROMPT INJECTION     → untrusted input (a web page, an issue) hijacks the agent
```

ప్రాంప్ట్ ఇంజెక్షన్ సూక్ష్మమైన అంచు: ఏజెంట్ *చదువుకునే* కంటెంట్ సూచనలను కలిగి ఉండవచ్చు, కాబట్టి ఏజెంట్ కాల్ చేయగల ఏదైనా సాధనం ఆ కంటెంట్‌ను నియంత్రించే దాడిచేస్తరువారిచే చేరుకోవచ్చు.

## రక్షణా విధానాలు

```text
- LEAST PRIVILEGE / ALLOWLIST → only pre-approved commands & paths; deny by default
- APPROVAL FOR DESTRUCTIVE    → human confirms deletes, payments, prod writes
- SANDBOX / DRY-RUN           → preview the action; isolated container, no prod creds
- ISOLATED ENVIRONMENT        → ephemeral VM/branch; blast radius = throwaway box
- AUDIT LOGS                  → record every tool call + args for review
- NO SECRETS IN CONTEXT       → inject via env at runtime; never paste keys into prompts
- NETWORK LIMITS              → egress allowlist; block arbitrary outbound requests
```

```yaml
# Conceptual permission policy
tools:
  read_file:   { allow: true }                 # safe, reversible
  run_shell:   { allow: ["npm test", "git status"] }  # allowlist only
  delete_file: { allow: "ask" }                # human approval required
  send_email:  { allow: "ask", sandbox: true } # dry-run first, then confirm
network:
  egress: ["api.github.com"]                    # everything else blocked
```

సీమ పద్ధతి గ్రాడ్యువేటెడ్ ట్రస్ట్: **చదువుకోవడం** ఉచితం, **పునర్వसन్ రాయడం** సస్తదిగా ఉంటుంది, **పునరావృత్తి లేనిది లేదా బాహ్య** చర్యలకు నిర్ధారణ కావాలి, మరియు **డబ్బు లేదా ఉత్పత్తి** ఐసోలేషన్ కూడా మానవ లూప్‌లో ఇవ్వాలి.

## ఇది ఎందుకు ముఖ్యమైనది

ఏజెంట్ల విలువ వారిని పనిచేయడానికి అనుమతించడం నుండి వస్తుంది, కానీ చర్య ఖచ్చితంగా సంతృప్తమైన తప్పు లేదా హైజాక్ చేయబడిన సూచన తొలగించిన ఫైల్, లీక్ చేసిన కీ లేదా నిజమైన ఛార్జిగా మారే చోటు. అనుమతులను కనీస-ప్రిविлеги allowlist లుగా ఎలా వాటిని చేస్కున్నారు, పునర్విధిలేనిది చర్యలను మానవ ఆమోదన వెనుకకు గేట్ చేయడం, సేవ రేణు లలో అమలు చేయడం నిరీక్షణ లాగ్‌లతో, మరియు రహస్యాలు మరియు నెట్‌వర్క్ ఎగ్రెస్‌ను నిబిడంగా పరిమితం చేయడం ఆటోనమీ యొక్క లిఫ్‌ను పొందటానికి ఉత్పత్తిపై పందెట్లు లేకుండా మీకు అనుమతిస్తుంది నమూనా సరిగా ఉంటుందని.