PyTorch：Pengfei Ni谈AI Agent安全架构
Pengfei Ni 在 PyTorch 官方频道分享如何在多租户 Kubernetes 集群中安全地运行大规模 AI Agent，涵盖 Kata Containers 隔离、Agent ID 身份管理及网络策略等防御深度架构。
重要性局部证据E2 未复现写法快讯
在 PyTorch 官方频道于 2026 年 9 月 24 日发布的视频中，Pengfei Ni 探讨了当数百个自主 AI Agent 被部署在共享的多租户 Kubernetes 集群时所面临的安全挑战。Ni 指出，标准的 Kubernetes 多租户机制（如命名空间边界、RBAC 和 NetworkPolicy）是为协作型工作负载设计的，而能够执行任意代码、通过 MCP 调用外部工具并独立做出网络决策的 AI Agent 则具有不可预测的行为特征，需要不同的防护思路。
该演讲介绍了一种针对此类场景的“防御深度”架构。据视频描述，该方案包括使用 Kata Containers 为每个 Agent 提供带有独立内核的虚拟机以实现强隔离；通过 OIDC 联合为每个 Agent 实例分配唯一的云身份（Agent ID），确保其只能访问归属于其所有者的数据；利用 NetworkPolicy 阻止 IMDS 访问和横向移动；以及采用 ValidatingAdmissionPolicy 防止 exec 逃逸。此外，还提到了实施治理护栏以限制爆炸半径并进行完整的审计日志记录。
对于负责构建企业级 AI Agent 平台的基础设施团队，此资源提供了一个具体的工程视角，展示了如何将传统云原生安全原则适配到自主代理的新威胁模型中。虽然未提供完整的对话文本，但发布者列出的技术组件和问题陈述足以帮助读者评估该架构是否适用于其自身的多租户环境设计。