工具

OpenShell 深度解析:NVIDIA 為多 Agent 打造安全執行環境

NVIDIA 開源專案 OpenShell 專為大規模自治 AI Agent 集群設計,將權限控管、執行隔離、凭证管理與稽核紀錄納入 runtime 層。它能否讓 Agent 安全地長期運行,仍有待完整的隔離測試與生產環境驗證。

字級

NVIDIA 發布開源專案 OpenShell,將其定位為面向大規模自治 AI Agent 集群的安全、私有 runtime。它關注的並非單次模型呼叫,而是多個 Agent 長期運行時,如何管理權限、隔離執行環境並保留稽核紀錄。

專案網址:https://github.com/NVIDIA/OpenShell

專案最初的介紹採用了「fleets of autonomous AI agents」這個說法。這裡的 fleet 可以理解為一組長期運行、相互協作的自動化程序,而非幾個聊天機器人。

OpenShell 將安全問題帶進 runtime

一個 Agent 可能需要讀取工單、查詢資料庫、呼叫內部 API,再將報告上傳至外部服務。單次呼叫可以限制可用工具,但持續運行的 Agent 還會面臨凭证過期、工具重試、重複扣款與 Prompt Injection 等問題。

OpenShell 的做法,是將這些控制項放進 Agent 的執行環境,而非只依賴模型遵守 System Prompt。

它主要聚焦三個面向:

  • 安全隔離
  • 權限控管
  • 隱私保護

LangGraph、CrewAI、AutoGen 較常用於處理狀態、流程與 Agent 協作;OpenShell 則將 runtime security and governance 放在核心位置。

從單次呼叫到一支 Agent 隊伍

假設系統中有 5 個 Agent:

  1. 研究 Agent 讀取公開網頁
  2. 業務 Agent 查詢 CRM
  3. 財務 Agent 產生報價
  4. 合規 Agent 審查合約
  5. 維運 Agent 更新工單

若這些 Agent 共用容器、服務帳號或工具權限,其中一個 Agent遭到誘導後,影響範圍便可能擴大。

因此,集群層級的 runtime 需要回答以下問題:

  • Agent 遭入侵後,是否還能存取其他 Agent
  • 暫時權限能否自動到期
  • 不同租戶的資料是否彼此隔離
  • 工具呼叫是否記錄執行主體、參數與結果
  • 管理員能否單獨暫停某個 Agent
  • 替換模型或工具後,稽核鏈是否仍保持完整

在單一 Agent 應用中,部分問題可以靠人工處理。隨著 Agent 數量增加,權限組合與呼叫路徑會迅速膨脹。

OpenShell 將「一整支 Agent 隊伍」視為主要管理對象,這與傳統單 Agent 思路不同:安全邊界從單次呼叫,延伸至長期運行與跨 Agent 互動。

關於此專案的三項事實

第一,此專案由 NVIDIA 發布,且已開源。程式碼倉庫位於:

https://github.com/NVIDIA/OpenShell

第二,其核心定位是自治 Agent 的安全、私有 runtime,並非單純的 Agent workflow,也不是模型推理服務。

第三,OpenShell 曾登上 Hacker News 首頁,獲得 121 分與 57 則評論。

這項數據無法證明專案已達成熟階段,也不能證明它解決了所有安全問題;但它顯示開發者開始關注另一個課題:Agent 能否被安全地部署至生產環境。

早期討論主要集中於 ReAct、工具呼叫、狀態圖、記憶與規劃。現在的問題則是:Agent 連續運行 24 小時後,其權限與呼叫紀錄是否仍能被清楚解釋。

OpenShell 試圖從 runtime 層回答這些問題。

開源不等同於安全保證

專案名稱雖為 OpenShell,卻不代表部署後就能自動滿足生產環境的安全要求。

1. 隔離是否有效

需要確認它採用的是容器、虛擬機器、程序隔離,還是更細緻的權限模型。

測試時可特別檢查:

  • 一個 Agent 能否讀取另一個 Agent 的工作目錄
  • 能否存取宿主機的環境變數
  • 能否發出未經授權的對外連線請求
  • 能否呼叫未經授權的內部服務

2. 凭证如何管理

Agent 需要存取 API 時,關鍵不只是有沒有 Token,還包括 Token 的生命週期。

合格的 runtime 必須能回答:

  • Token 是否依 Agent 個別發放
  • 是否設有作用域限制
  • 是否能自動到期
  • 異常結束後是否會自動清理

以下僅為生產環境稽核查詢的範例,並非 OpenShell 官方指令:

whoami
printenv | grep -E 'OPENAI_API_KEY|AWS_SECRET_ACCESS_KEY' || true
find /var/log/agent-runtime -type f -mtime -1 -maxdepth 2

這些指令旨在提醒工程師驗證執行身分、環境變數暴露情形與日誌位置。部署後,不能只閱讀 README 的說明。

3. 稽核是否完整

一則完整的工具呼叫紀錄,至少應包含:

  • 發起操作的 Agent
  • 使用的模型
  • 呼叫的工具
  • 輸入參數
  • 所屬租戶或專案
  • 傳回的結果
  • 最終狀態

如果日誌只有 HTTP access log,卻沒有 Agent identity 與工具層級紀錄,事故發生後仍然難以還原完整過程。

4. 能否接續現有框架

接入實際系統時,還需要確認:

  • LangGraph 的狀態是否由 runtime 托管
  • CrewAI 的角色如何對應至 runtime 身分
  • AutoGen 的訊息與工具呼叫是否保留稽核資訊
  • MCP Server 是否能依 Agent 或租戶加以隔離
  • Agent 重新啟動後,任務狀態與權限是否恢復

安全基礎架構不能只在 demo 中運作,還必須整合 Agent 編排、工具服務、身分系統與日誌系統。

編輯觀察

OpenShell 值得關注,不只因為 NVIDIA 又推出了一個 Agent 專案,更因為它將問題從「模型能不能完成任務」推進到「Agent 能不能被有效控制」。當 Agent 開始長期運行,權限、凭证、資料隔離與稽核便會成為基礎設施層級的課題。

我的判斷是,Agent 安全的競爭焦點會逐漸移向 runtime,而非繼續停留在 Prompt 層面。OpenShell 將多 Agent fleet 視為一級管理對象,與早期聚焦單次 ReAct、工具呼叫及狀態圖的設計不同。

不過,開源發布本身不能證明隔離機制已經成立。容器邊界、網路出口、服務帳號、日誌完整性,以及與 LangGraph、CrewAI、MCP 的相容性,都需要透過程式碼與實測加以驗證。尤其應測試 Agent 遭 Prompt Injection 控制後的權限邊界,而非只驗證正常流程。

目前仍難以下最終定論:OpenShell 提出了正確的問題,但它能否在真實生產環境中穩定解決問題,仍須等待更多公開測試與實際部署的回饋。

來源: https://github.com/NVIDIA/OpenShell