随着大语言模型驱动的 AI 代理(Agent)从单纯调用 API 转向直接执行 Shell 命令、安装软件包及访问文件系统,传统 Kubernetes 的 Pod 级隔离已不足以应对新型威胁。AI 代理往往持有真实凭证并基于网络获取的实时信息行动,本质上属于“不可信代码”。如何在保持平台工程现有工具链兼容性的前提下,实现针对二进制、端口甚至 HTTP 方法的细粒度控制,成为当前架构设计的核心矛盾。
OpenShell 项目提出了一种基于“受信任监督者”的运行时架构,试图解决这一难题。其核心逻辑是将控制平面与数据平面分离:Kubernetes 负责资源调度与基础对象管理,而一个外部的网关与每个代理对应的监督者(Supervisor)Pod 共同构成动态策略执行层。这种设计的关键取舍在于,它不引入新的调度器,而是复用 SIG Apps 的 Agent Sandbox 标准资源,将每个代理实例化为标准的 Pod、Service 和 NetworkPolicy。这意味着管理员无需学习全新的编排语言,但必须接受“每个代理需配备独立监督者”带来的潜在扩展性成本。
在安全边界的构建上,该方案展示了超越传统 NetworkPolicy 的能力。Kubernetes 原生策略通常只能限制“哪个 Pod 能访问哪个域名”,无法区分同一 Pod 内不同二进制文件的行为差异,更无法拦截具体的 HTTP 动词(如允许读取 GitHub Issues 但禁止创建)。OpenShell 通过监督者拦截所有出站流量,在建立连接前校验调用方二进制、目标主机、端口及 HTTP 方法。例如,它可以动态更新策略,在不重启容器的情况下,仅开放 `curl` 对特定端点的只读权限,同时阻断写入操作。这种细粒度控制依赖于 Landlock 进行文件系统限制、Seccomp 进行系统调用过滤,以及非根用户运行等底层机制的组合。
然而,这种架构并非没有局限。目前的实现要求每个代理拥有一个专属的监督者 Pod,这在大规模部署场景下可能引发资源开销问题。虽然路线图提及了灵活部署选项,但在当前阶段,高密度并发场景下的性能瓶颈是客观存在的。此外,沙箱的创建目前仍需通过 Gateway API 而非直接调用 Kubernetes API,且缺乏原生的自动扩缩容子资源,导致 HPA 或 KEDA 无法直接针对沙箱数量进行弹性伸缩。
对于企业平台团队而言,引入此类技术意味着安全责任的重新划分。OpenShell 负责运行时层面的行为审计与阻断,而 Kyverno 等准入控制器则继续负责静态配置合规,如镜像哈希校验、资源配额限制及 RBAC 规则。两者结合可形成纵深防御:Kyverno 阻止违规的沙箱定义进入集群,OpenShell 则在运行时拦截越权操作。值得注意的是,这种组合并未改变 Kubernetes 的底层对象模型,现有的审计日志、监控指标依然适用,但运维人员需理解“沙箱记录”才是策略执行的单一事实来源,而非单纯的 Pod 状态。
未来,随着 CNCF 生态中其他项目(如 Agent Substrate)的发展,基于 gVisor 等更强隔离技术的混合架构可能出现,以平衡安全性与资源密度。但在当前阶段,对于持有生产环境凭证、需频繁交互外部系统的 AI 代理,基于监督者的细粒度运行时控制仍是填补 K8s 原生能力空白的有效路径。平台工程师需在“每代理一监督者”的资源成本与“细粒度防逃逸”的安全收益之间做出权衡,并根据业务负载特征选择适配的隔离后端。
本文分析基于公开技术文档与社区讨论整理,涉及的技术方案处于演进阶段,实际落地需结合具体环境进行验证。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。