news 2026/9/19 3:33:50

Agent Governance Toolkit 包体系详解:从 Python 元包到多语言 SDK 的选型与安装指南

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Agent Governance Toolkit 包体系详解:从 Python 元包到多语言 SDK 的选型与安装指南

Agent Governance Toolkit 包体系详解:从 Python 元包到多语言 SDK 的选型与安装指南

【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

AGT(Agent Governance Toolkit)在docs/packages/index.md中定义了一组规范的“包家族”(canonical package families),面向 Python 用户提供元包agent-governance-toolkit及其分层组件(core / integrations / cli / protocols),同时覆盖 ACS 策略运行时与 TypeScript、.NET、Rust、Go 等语言 SDK。阅读本文后,你将掌握 AGT 各包的职责边界、正确的 pip / npm / dotnet / cargo 安装方式、[full]与框架专属 extras 的取舍,以及从旧版分发(agent-os、agentmesh、hypervisor 等)迁移到新命名空间的方法。

包体系的总体设计:为什么需要“规范包家族”

AGT 刻意保持“小而精”的发布面:只对外发布少数规范包,避免碎片化。设计原则是——大多数 Python 用户从元包(meta-package)起步,只有需要特定运行时表面或特定语言 SDK 时才选用更窄的包。这意味着:

  • 元包负责“一次安装、开箱即用”,适合快速评估与便捷示例;
  • 分层包(core、integrations、cli、protocols)负责职责拆分,让核心不背负所有框架依赖;
  • 语言 SDK(TypeScript/.NET/Rust/Go)为其他技术栈提供对等的治理能力;
  • 历史组件名(如agent-os-kernelagentmesh-platform)仅作为临时兼容包保留,供存量项目迁移。

⚠️Public Preview 声明:包 API 在正式发布(GA)前可能变化。新建项目应使用下文给出的规范包名,旧组件名只保留为临时兼容包。

这一分层策略在仓库中有直接对应关系:规范包由 agent-governance-python/ 目录下的多个独立工程构建,例如元包本体实现位于 agent-governance-python/agent-compliance/pyproject.toml,其[project.optional-dependencies]段完整定义了各 extras 的依赖映射。

Python 元包:agent-governance-toolkit

元包是官方推荐的 Python 起点。它的[full]extra 会一次性安装核心运行时、框架集成、CLI 工具以及便捷示例所用的协议包:

pip install "agent-governance-toolkit[full]"

从源码看(agent-governance-python/agent-compliance/pyproject.toml),[full]实际聚合了四个基础组件:

full = [ "agent-governance-toolkit-core>=5.0.0,<6.0", "agent-governance-toolkit-integrations>=5.0.0,<6.0", "agent-governance-toolkit-cli>=5.0.0,<6.0", "agent-governance-toolkit-protocols>=5.0.0,<6.0", ]

如果只需要某一个框架,安装更小的 extra 即可,元包会将其委托给 integrations 包对应 extra:

pip install "agent-governance-toolkit[langchain]" pip install "agent-governance-toolkit[crewai]" pip install "agent-governance-toolkit[openai-agents]"

同一 pyproject 中还保留了旧版兼容 extras(kernelmeshruntimesreopacedar等),例如kernelmesh都映射到agent-governance-toolkit-coresre映射到agent-governance-toolkit-clicedar引入cedarpy>=4.0.0,<5.0。元包还注册了一组统一 CLI 入口(agent-governance-python/agent-compliance/pyproject.toml),包括agtagent-governanceagent-complianceagt-contributor-checkagt-credential-audit等命令,说明元包不只是依赖聚合,还提供了开箱即用的运维命令面。

Python core:策略、信任、身份与审计基元

agent-governance-toolkit-core承载策略(policy)、信任(trust)、身份(identity)、审计(audit)与运行时基元,是当前实现背后的统一内核——它合并了旧agent_osagentmesh、runtime 与 hypervisor 的导入路径:

pip install agent-governance-toolkit-core

从构建配置(agent-governance-python/agent-governance-toolkit-core/pyproject.toml)可以清楚看到它的“合并定位”:其依赖注释明确写着“Merged dependencies from agent-os-kernel, agentmesh-primitives, agentmesh-runtime, agent-hypervisor, and agentmesh-platform”。核心依赖包括pydantic[email]cryptographypynaclhttpxaiohttpstructlogjsonschemaagentrust-trace等,并提供了丰富的可选 extras(cmvkiatpambobservabilitymcpnexusstoragegrpc等)。

它的打包方式尤其值得注意:该 wheel 没有自己的包目录,而是通过 hatchling 的force-include从兄弟目录拉取源码(agent-governance-python/agent-governance-toolkit-core/pyproject.toml),例如将agent-os/src/agent_os映射为agent_osagent-hypervisor/src/hypervisor映射为hypervisoragent-mesh/src/agentmesh映射为agentmesh。这意味着安装 core 后,存量代码里的agent_oshypervisoragentmesh等 import 依然可用,这正是文档所说“提供 legacy 导入背后的当前实现”的落地方式。它同时注册了agent-osmcp-scanhypervisoragentmesh等命令入口。

Framework integrations:可选适配器,避免核心背负框架依赖

agent-governance-toolkit-integrations专门承载可选框架适配器,核心包因此无需为每个框架安装依赖:

pip install "agent-governance-toolkit-integrations[langchain]" pip install "agent-governance-toolkit-integrations[crewai,openai-agents]"

文档列出的可用 extras 包括LangChain、CrewAI、OpenAI Agents、LangGraph、LlamaIndex、Haystack、PydanticAI、Google ADK、Cedarling、OpenShell。从 agent-governance-python/agent-governance-toolkit-integrations/pyproject.toml 可以看到精确的版本约束,例如:

langchain = ["langchain-core>=1.2.11,<2.0"] crewai = ["crewai>=0.100.0,<1.0"] openai-agents = ["openai-agents>=0.0.3,<1.0"] langgraph = ["langgraph>=0.2.0,<1.0"] llamaindex = ["llama-index-core>=0.12,<0.13"] haystack = ["haystack-ai>=2.0,<3.0"] pydantic-ai = ["pydantic-ai>=0.0.10,<1.0"] adk = ["google-adk>=0.1.0,<1.0"]

该包强制依赖仅有agent-governance-toolkit-core,所有框架依赖都是可选的("No mandatory framework deps")。与 core 一样,它通过 force-include 从 agent-governance-python/agentmesh-integrations/ 下的各适配器工程(如langchain-agentmeshcrewai-agentmeshhaystack-agentmeshadk-agentmeshpydantic-ai-governance等)拉取源码,这解释了为什么文档中框架清单与集成目录一一对应。

CLI and operations:运维、SRE 与沙箱

agent-governance-toolkit-cli聚合了操作员命令、SRE 与可观测性工具、沙箱集成以及 MCP 信任服务:

pip install agent-governance-toolkit-cli

该包合并了agent-sreagt-sandboxagentmesh-mcp-trust三个来源(见 agent-governance-python/agent-governance-toolkit-cli/pyproject.toml 的 force-include 映射),其依赖包含了croniteropentelemetry-api/sdk等可观测性组件,并针对Docker、Hyperlight 沙箱、MCP、OTLP、Langfuse、Arize、Braintrust、Datadog、Sentry、LangSmith、W&B、MLflow、AgentOps等提供了大量可观测性 extras。安装后提供agent-sre命令入口。若需容器与 MCP 能力,可按需叠加:

pip install agent-governance-toolkit-cli[docker,mcp]

Protocol governance:MCP、A2A 与信任协议

agent-governance-toolkit-protocols提供 MCP、A2A、信任协议以及可验证 MCP 回执(verifiable MCP receipts)的治理表面:

pip install agent-governance-toolkit-protocols

其来源为 agent-governance-python/agent-mcp-governance/、a2a-protocolmcp-receipt-governedmcp-trust-proxy(见 agent-governance-python/agent-governance-toolkit-protocols/pyproject.toml),说明该包覆盖了协议层的完整治理链路:MCP 流量治理、A2A 互操作、信任代理与可验证回执。

Agent Control Specification:无状态策略决策运行时

Agent Control Specification(ACS)是 AGT 的规范无状态策略决策运行时。Python 宿主使用原生 SDK 加载 manifest、构建快照(snapshot)、调用 ACS 并执行裁决(verdict):

pip install agent-control-specification

ACS 在八个干预点(agent_startupinputpre_model_callpost_model_callpre_tool_callpost_tool_calloutputagent_shutdown)被宿主调用,每次请求携带完整快照,运行时本身不保留可变状态,保证无状态、确定性、fail-closed:同样的 manifest、快照、模式与调度器输出必然产生同样的裁决,运行时错误一律返回deny。裁决类型包括allowwarndenyescalatetransform;策略类型包括rego(OPA)、cedar(内置 Cedar 路径)、test(测试替身)与custom(宿主自定义调度器)。manifest 由agent_control_specification_versionmetadataextendspoliciesintervention_pointstoolsannotatorsapproval等块构成,其中extends支持有序父 manifest 路径或 HTTPS URL。其 Python SDK 通过AgentControl(manifest 加载)、SnapshotBuilder(完整快照构建)、HostSession(同步宿主回调)与原生InterventionPointResult值暴露宿主侧职责。

文档特别提示:agt-policies现在随包提供单向迁移工具agt migrate v4-to-v5,用于将 AGT v4 项目转换为 ACS manifest,详见 ACS 包指南。

语言 SDK:跨技术栈的治理能力

AGT 为其他语言提供对等的治理 SDK,安装方式与源码位置如下表:

SDK安装命令仓库源码
TypeScriptnpm install @microsoft/agent-governance-sdkagent-governance-typescript/
.NETdotnet add package Microsoft.AgentGovernanceagent-governance-dotnet/
Rustcargo add agentmeshagent-governance-rust/agentmesh/
Rust MCPcargo add agentmesh-mcpagent-governance-rust/agentmesh-mcp/
Gogo get github.com/microsoft/agent-governance-toolkit/agent-governance-golangagent-governance-golang/

这些 SDK 在各自目录中均有完整的源码、测试与文档:TypeScript SDK 位于 agent-governance-typescript/src/(含 policy、identity、trust、audit、sandbox、kill-switch 等模块);.NET SDK 位于 agent-governance-dotnet/src/AgentGovernance/;Rust SDK 分别位于 agent-governance-rust/agentmesh/src/ 与 agent-governance-rust/agentmesh-mcp/src/;Go SDK 位于 agent-governance-golang/packages/agentmesh/,并配有大量可运行示例(agent-governance-golang/examples/ 下的 quickstart、policy-yaml、http-middleware、trust-scoring 等)。

其他发布表面

部分 Python 包、开发者工具、ACS SDK 与 OCI 镜像保持独立发布,因为合并会模糊它们各自的生命周期或目标消费者。典型代表是源码分发的 Agent Learning 治理包,它为 Microsoft Agent Learning0.8.x提供受治理捕获、奖励塑形(reward shaping)、贝叶斯决策审计、隔离策略候选与分阶段提升(staged promotion)。需要这些专门能力时,直接按对应独立包的文档安装即可。

状态标签:如何判断一个能力是否可用

当某项能力不属于规范核心发布时,各包页面应使用以下状态标签标注:

状态含义
Shipped已在当前包中发布,并通过包本地校验。
Compatibility临时保留的 Microsoft 原产或遗留包身份。
Experimental可运行但不保证稳定。
Proposed已有 ADR/RFC/spec,但实现不是已发布保证。
Vendor integration需要供应商产品、账号或平台。

这套标签让读者在选型时能快速区分“生产可用”“实验性”与“仅提案”的能力,避免把 Experimental 当 Shipped 使用。

兼容性与迁移:旧包名何去何从

对于新项目,以下遗留分发不再推荐agent-os-kernelagentmesh-platformagentmesh-runtimeagent-sreagent-hypervisor。它们的兼容页面仍然保留,因为存量导入与安装仍需要迁移指引。

迁移路径的实质在于:规范包(core / integrations / cli / protocols)通过 force-include 直接承载了旧模块的源码,同时元包保留了kernelmeshruntimesre等旧 extra 作为向后兼容别名(agent-governance-python/agent-compliance/pyproject.toml)。也就是说,迁移期代码可以继续import agent_osimport agentmeshimport hypervisor,但应逐步将声明依赖改为规范包名。更细的逐包迁移指引可参考 docs/package-consolidation/MIGRATION.md 与 docs/package-consolidation/PROPOSAL.md。

选型速查

场景推荐包
Python 快速开始、覆盖全功能pip install "agent-governance-toolkit[full]"
只用单个框架pip install "agent-governance-toolkit[langchain]"(或 crewai / openai-agents / langgraph / llamaindex / haystack / pydantic-ai / adk)
只想要策略/信任/身份/审计基元pip install agent-governance-toolkit-core
只想要框架适配器pip install "agent-governance-toolkit-integrations[langchain]"
运维、SRE、沙箱、MCP 信任pip install agent-governance-toolkit-cli
MCP / A2A / 信任协议 / 回执pip install agent-governance-toolkit-protocols
无状态策略决策运行时pip install agent-control-specification
非 Python 技术栈按 语言 SDK 表 选择对应 SDK

结语

AGT 的包体系是“分层解耦 + 兼容过渡”的典型实践:元包降低上手门槛,core / integrations / cli / protocols 各自聚焦单一职责,ACS 提供无状态的策略决策运行时,多语言 SDK 则把同一套治理语义带到不同技术栈。新项目应始终选用规范包名,并将旧分发视为临时的兼容别名,借助agt migrate v4-to-v5与迁移文档完成向 v5 体系的平滑过渡。

【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

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/19 3:33:05

全栈AIGC如何把漫剧单集成本降到5%,日产1300集的生产流水线拆解

这半个月&#xff0c;内容圈子里讨论最多的一个数据是&#xff1a;日产1300集漫剧&#xff0c;单集成本降到传统流程的5%。这是腾讯云全栈AIGC方案在漫剧生产上跑出来的实际成绩。很多做短剧、做动态漫画、做MCN的朋友都在问同一个问题&#xff1a;这到底是怎么做到的&#xff…

作者头像 李华
网站建设 2026/9/19 3:31:45

Mac 手动安装 ADB 教程:绕过 Homebrew 配置环境变量

1. 为什么还要折腾 Homebrew 之外的 ADB 安装方式1.1 从一次真实的翻车现场说起先说个我上周遇到的真实情况。同事新入职&#xff0c;领了一台 M2 芯片的 MacBook Pro&#xff0c;第一件事就是装 ADB 准备调试安卓设备。他照着网上搜到的教程敲了brew install android-platform…

作者头像 李华
网站建设 2026/9/19 3:30:43

Hello-Agents 导读:从零开始构建 AI 原生智能体的系统性实战指南

Hello-Agents 导读&#xff1a;从零开始构建 AI 原生智能体的系统性实战指南 【免费下载链接】hello-agents &#x1f4da; 《从零开始构建智能体》——从零开始的智能体原理与实践教程 项目地址: https://gitcode.com/datawhalechina/hello-agents 《从零开始构建智能体…

作者头像 李华
网站建设 2026/9/19 3:30:40

工人文化宫智慧场馆改造:从预约到能耗的数字化升级方案

工人文化宫做智慧场馆改造&#xff0c;这两年问的人特别多。原因不复杂&#xff0c;老的工人文化宫普遍建成时间早&#xff0c;设备老化、空间利用率低、运营数据缺失&#xff0c;而职工对文化体育活动的需求又越来越个性化、多样化。一边是财政和编制有限&#xff0c;一边是服…

作者头像 李华