控管機制提供架構,可大規模探索、保護及稽核 AI 代理程式和基礎架構。隨著機構部署複雜的代理工作流程,「管理」部分會成為管理員和安全團隊的中央指令中心,可針對四個重要支柱維持監督:
- 可視性:維護統一的 Agent Registry,以便探索整個機構的代理、端點和 Model Context Protocol (MCP) 伺服器。您也可以查看代理和 MCP 伺服器流量的拓撲圖,瞭解代理關係和複雜的依附元件。
- 身分與存取權:定義代理程式身分並部署代理程式閘道,確保從使用者到模型的每次互動都經過驗證,且符合政策規定。
- 安全與法規遵循:實施 AI 安全架構、管理機構的中繼資料標籤,以及維護嚴格的稽核追蹤記錄,包括資料存取和要求/回應記錄。
- 運作監督:監控模型和基礎架構的效能、使用率和健康狀態,確保可靠性及成本效益。
Agent Registry、安全性和共用
政策
Agent Gateway
程式碼研究室:使用 Agent Platform 管理代理程式工作負載
瞭解如何透過 Gemini Enterprise Agent Platform 上的 Agent Gateway,控管代理式工作負載。
程式碼研究室:從 Agent Runtime 到 Google MCP 伺服器的 Agent Gateway 輸出
瞭解 AI 代理存取 Google Cloud Model Context Protocol (MCP) 伺服器時的 Agent Gateway 輸出管理。
程式碼研究室:從 Agent Runtime 到外部 MCP 伺服器的 Agent Gateway 輸出
瞭解 AI 代理程式存取外部 MCP 伺服器時的 Agent Gateway 輸出管理。
程式碼研究室:從 Agent Runtime 到 VPC 網路的 Agent Gateway 輸出
瞭解 AI 代理程式存取虛擬私有雲網路中目的地時,Agent Gateway 的輸出管理機制。
安全性
程式碼研究室:確保跨雲端代理式 AI 應用程式安全
請參閱「Securing Cross-Cloud Agentic AI Applications」程式碼研究室,瞭解如何保護代理式 AI 應用程式。
白皮書:在 Google Cloud 上建構安全的多代理系統
瞭解如何在 Google Cloud 的 Gemini Enterprise Agent Platform 上建構安全的多代理架構。