教程2026-11-13 · 智涌AI

常驻 Agent 怎么防:OpenAI 内部的五道安全线

常驻 Agent 安全教程头图:左侧大字「常驻 Agent 五道防线」与 500+ 常驻 Agent、5 道防线、4 类沙箱边界数据卡;右侧终端显示 Codex 沙箱配置:禁用 danger-full-access、只允许缓存搜索和拉黑元数据地址的配置

普通的 Codex 会话有固定目标、有人盯着;常驻 Agent 一天 24 小时在跑,范围宽,还会主动动手,可以改自己的配置、写任意代码。OpenAI 内部现在有 500 多个 Agent 在后台主动干活,其中数百个是 OpenClaw,它在开发者博客上公开了这批部署用的安全控制,并贴出了 Codex 沙箱的配置片段。这篇把它拆成五道防线,每道给出能照着改的配置和检查点,适合正在给团队上线常驻 Agent 的人。

威胁从内部来,所以先拆开可信和不可信

传统软件的假设是:配置和代码行为确定,威胁主要来自外部攻击者。博客指出常驻 Agent 打破了这两点,Agent 会自己改配置、写代码,风险来自它做出偏离目标的操作。

OpenAI 的第一步是分层。网络、身份、沙箱这些属于可信逻辑,是传统的静态代码;Agent、它运行的环境、它写出的代码一律视为不可信。为此他们在 OpenClaw 开源项目里实现了远程 harness 执行,让负责配置 Agent 的 OpenClaw Gateway 跑在单独的容器里(OpenAI 自己是放在另一个集群),和 Agent harness 分开。这样 Gateway 可以当成可信代码管,沙箱只需要盯住 Agent 的工作负载。

防线管什么OpenAI 的做法
分层谁可信Gateway 与 Agent harness 分容器、分集群
沙箱网络 / 文件 / 进程 / 密钥组织白名单、只写工作目录、Codex Linux 沙箱、凭据代理
模型审查每个操作所有 Agent 操作强制 Auto-review
身份谁做的每个 Agent 独立身份,关联 ChatGPT 服务账号
可观测做了什么控制面配置变更 + Agent 每一轮全记录

第一步:用 requirements.toml 锁住能选的选项

Codex 的配置分两层:requirements.toml 限制配置里允许出现哪些选项,config.toml 是实际生效的配置。前者相当于管理员上的锁,用户级配置放不宽它。博客里的片段(注释为原文含义):

# 去掉不受限的 danger-full-access 沙箱模式
allowed_sandbox_modes = ["read-only", "workspace-write"]

# 只允许缓存搜索,不允许实时联网搜索
allowed_web_search_modes = ["cached"]

# 强制走受管网络代理,且用户配置不能扩大域名白名单
experimental_network.enabled = true
experimental_network.managed_allowed_domains_only = true

experimental_network.allowed_domains = [
  "github.com", "api.github.com", "codeload.github.com",
]

# 显式拉黑,包括云厂商元数据地址
experimental_network.denied_domains = [
  "pastebin.com", "*.pastebin.com", "webhook.site",
  "metadata.google.internal", "169.254.169.254",
]

白名单要换成你的工作负载真正需要的主机。黑名单里那两个元数据地址值得每家都加:Agent 一旦能访问云主机的元数据接口,就可能拿到实例凭据。缓存搜索的意思是,搜索请求走 OpenAI 自己的索引,Agent 不直接去访问实时网页。config.toml 的一般写法可以先看站内的 Codex config.toml 教程。

第二步:用 config.toml 划文件、网络和环境变量

博客用一个名为 openclaw 的权限配置,关键几段:

default_permissions = "openclaw"
web_search = "cached"

[permissions.openclaw.filesystem]
":minimal" = "read"                               # 最小运行环境只读
"/home/dev-user/openclaw-workspaces" = "write"    # 只有工作目录可写
"/home/dev-user/read-only" = "read"               # 受管资源只读
"/home/dev-user/.ssh" = "deny"                    # SSH 凭据不可访问

[permissions.openclaw.network]
enabled = true
allow_upstream_proxy = false
allow_local_binding = false        # 保留本地/私网地址防护
enable_socks5 = false
enable_socks5_udp = false
dangerously_allow_non_loopback_proxy = false
dangerously_allow_all_unix_sockets = false

[shell_environment_policy]
ignore_default_excludes = false    # 保留默认的敏感变量过滤
exclude = ["GH_TOKEN", "GITHUB_TOKEN",
  "OPENCLAW_GITHUB_BASIC_AUTH", "OPENCLAW_GITHUB_READONLY_BASIC_AUTH"]

[apps._default]
enabled = false                    # 应用默认关闭,逐个开
destructive_enabled = false
open_world_enabled = false

注意原文的一句提醒:从环境变量里去掉 GitHub 令牌,挡不住写在 Agent 能读到的文件里的凭据。所以文件权限那段 .ssh = "deny" 和环境变量过滤要一起上。密钥本身,OpenAI 是交给凭据代理(credential broker)管的,Agent 看不到明文;进程隔离用的是 Codex 的 Linux 沙箱。

环境变量删掉令牌只是一半,令牌要是躺在 Agent 读得到的文件里,照样会被拿到。

第三步:让另一个 Agent 先审,人只看要紧的

静态规则靠确定性代码,模型越来越强,防线也要跟着算力涨。OpenAI 的办法是 Auto-review:第二个 Agent 监看并批准主 Agent 的操作。理由很实际,每个操作都要人点确认,人会被训练成看都不看就点「允许」。用模型审查做一层过滤,人的注意力留给高价值的审批。博客说这个功能 OpenClaw 和 Codex 都原生支持,OpenAI 的部署对所有 Agent 操作都强制开启。

第四步:Agent 身份和用户身份分开

出了事要能查清是 Agent 做的还是人做的,还要能单独给 Agent 授权。博客提到两类新规范:WAG 给 Agent 自己的资源访问权,XAA 让 Agent 通过 OAuth 委托代表用户行事。它也强调 Agent 身份不等于服务账号,两者要配合用:Agent 用自己的身份行动,通过与该身份关联的服务账号访问第三方服务。

OpenAI 的落地方式是每个 Agent 一个唯一身份,关联一个 ChatGPT 服务账号。这样每个 Agent 有和用户分开的推理凭据,团队能给它接自定义插件,审计时能追到具体 Agent,必要时可以直接停掉它的推理。

第五步:全部记录,日志也要上锁

OpenAI 记录两类东西:控制面上的每一次配置变更,和 Agent 的每一轮对话。因为对话里可能有敏感信息,这些日志锁死,只开放给安全团队的少数几个人。

常见坑

完成标准

最后

手上已经有常驻 Agent 在跑的话,先补第一步:写一份 requirements.toml,去掉 danger-full-access,把网络收进白名单并拉黑元数据地址。这一步改动小,挡住的风险最大。想直接用现成的控制面,可以看 OpenAI 开源的 OpenClaw Enterprise,博客说它用标准 Codex 预设启动时自带上面多项防护,目前还在试点阶段,计划年底前出 1.0。

关注公众号「智涌AI速递」

每天的 AI 快讯、实用教程和 AI项目实测,也会同步发到微信公众号。在微信里搜索「智涌AI速递」就能关注;不用微信的话,可以用 RSS 订阅本站。