Bescherm agenten met Cisco AI Defense en Google Agent Development Kit

Agenten zijn krachtig omdat ze meer doen dan alleen vragen beantwoorden. Ze roepen tools aan, halen context op en handelen via meerdere stappen. Dit is wat raamwerken als de Agent Development Kit (ADK) van Google zo nuttig maakt, en het verandert ook het beveiligingsprobleem. Cisco AI Defense biedt runtimebescherming voor AI-agents. Met deze integratie maakt AI Defense nu verbinding met de ADK van Google en brengt dezelfde runtime-besturingselementen van lokale ontwikkeling naar Agent Runtime op het Gemini Enterprise Agent Platform.

De ADK van Google wordt gebruikt om agenten te maken die tools gebruiken. Agent Runtime is de beheerde runtime om ze te implementeren. Deze integratie maakt het eenvoudiger om Cisco AI Defense runtime-beveiliging op beide locaties verbonden te houden.

Het beveiligingsprobleem verandert met de agenten

Het echte risico is niet alleen dat een agent een verkeerd antwoord geeft. Het grootste probleem is dat de inhoud van niet-vertrouwde aanwijzingen het gedrag van het hulpprogramma kan beïnvloeden, en dat de uitvoer van het hulpprogramma gevoelige gegevens terug naar het model kan sturen. Zodra agenten met externe systemen beginnen te communiceren, verandert de beveiligingsvraag van “Wat zei het model?” NAAR “Wat deed de agent en welke gegevens overschreden de runtime-grenzen?” Dit is waar runtime-bescherming van belang is.

Of een agent nu lokaal of op het Gemini Enterprise Agent Platform draait, teams hebben een manier nodig om beleid langs het gehele uitvoeringstraject te inspecteren en af ​​te dwingen, en niet alleen bij de eerste aanroep van het model. Ze hebben inzicht nodig in wat deze grenzen overschrijdt en een mechanisme om te beslissen of een run moet worden voortgezet, geobserveerd of gestopt.

Cisco AI Defense voegt beveiliging toe zonder de ontwikkelaarsstroom te onderbreken

De Cisco AI Defense-integratie voor de ADK van Google is ontworpen om tijdens runtime beveiligingscontroles toe te voegen zonder ontwikkelaars te dwingen hun applicatie opnieuw op te bouwen rond een afzonderlijke beveiligingsworkflow. In plaats van een parallel besturingsvlak te creëren, sluit het aan op de ADK-levenscyclus die ontwikkelaars al gebruiken.

Begin met twee regels code

Voor een lokale ADK-agent is het snelste pad opzettelijk klein:

from aidefense_google_adk import defend


agent = defend(agent, mode="enforce")

Dit is de eenvoudigste integratie op agentniveau. Behoud de bestaande ADK-agentstructuur en verbind beleidshandhaving er rechtstreeks mee.

Implementeer dezelfde beveiligde agent Agentduur

Zodra de agent is beveiligd, kunt u de standaard ADK-implementatiestroom gebruiken om deze uit te voeren op Agent Runtime:

app = agent_engines.AdkApp(agent=agent)


remote_agent = client.agent_engines.create(


agent=app,


config={


“requirements”: [“google-cloud-aiplatform[agent_engines,adk]>=1.112”], “staging_bucket”: “gs://YOUR-STAGING-BUCKET”,


},


)

Het belangrijke detail is dat de bescherming wordt bevestigd vóór distributie. Dezelfde beveiligde ADK-agent kan van lokale ontwikkeling naar Agent Runtime overstappen zonder dat een ander beveiligingsmodel nodig is.

Waarom ADK het juiste integratiepunt is

Google ADK is een sterk punt voor runtime-beveiliging omdat het al duidelijke levenscyclusgrenzen definieert rond de uitvoering van modellen en tools. Dergelijke grenzen creëren natuurlijke inspectiepunten:

• Voorafgaand aan een modelcall


• Na een modelantwoord


• Voordat u het instrument aanroept


• Na een instrumentreactie

Dit zijn de momenten waarop het gedrag van de agent verandert. Niet-vertrouwde promptinhoud kan een toolverzoek modelleren. De uitvoer van de tool kan gevoelige gegevens terugvoeren naar het model. Runtimebescherming is het meest effectief wanneer deze zich in deze overgangen bevindt, in plaats van verspreid te zijn over aangepaste aanwijzingen en wrappers.

Twee manieren om bescherming toe te voegen in ADK

Er zijn twee belangrijke integratiemodellen, afhankelijk van of u gedeelde besturingselementen op app-niveau of agentspecifieke bescherming wilt.

1) Plug-ins op app-niveau

Gebruik het plug-inpad als u gedeelde bescherming wilt in de runtime van de ADK-app.

plugin = defend(mode="enforce")


app = App(name="my_app", root_agent=agent, plugins=[plugin])

2) Terugbellen op agentniveau

Gebruik terugbelverzoeken als u wilt dat de beveiliging rechtstreeks aan een specifieke agent wordt gekoppeld.

from aidefense_google_adk import make_aidefense_callbackscbs = make_aidefense_callbacks(mode="enforce")


cbs.apply_to(agent)

Gebruik de plug-in voor bedieningselementen op app-niveau; Gebruik terugbelverzoeken als u agentspecifieke bescherming wilt.

Monitoren of toepassen

Dit onderscheid is doorgaans belangrijker voor zowel ontwikkelaars als platformteams.

Er kan bijvoorbeeld een verzoek om gevoelige gegevens worden waargenomen in monitor modus en vervolgens vergrendeld toepassen modus een respons_toolwant dat is het punt waarop de overtreding zichtbaar wordt. Dit verschil is belangrijk. Monitor helpt teams risico’s te begrijpen in een realtime workflow. Enforce verandert hetzelfde beslissingspunt in een runtime-controle.

Hoe een blokkeringsbesluit eruit ziet

Dit maakt de applicatie controleerbaar voor ontwikkelaars en beveiligingsteams. Beslissing: blok

• Fase: respons_tool


• Classificatie: PRIVACY_INBREUK


• Regel: PII

Simpel gezegd betekent dit dat het verzoek mocht doorgaan totdat de tool gevoelige gegevens retourneerde en de runtime de stroom blokkeerde op het punt waar de overtreding zichtbaar werd. Voor ontwikkelaars is dit vooral handig omdat het niet alleen uitleg geeft Dat een run werd gestopt, maar Waar Er ontstond onveilig gedrag.

Van de lokale ADK tot Agent Runtimij op het Gemini Enterprise Agent-platform

Een van de meest praktische voordelen van deze integratie is dat hetzelfde ADK-applicatiemodel in twee omgevingen werkt:

• De lokale ADK wordt uitgevoerd voor snelle ontwikkeling en iteratie


• Gehost De agentruntime wordt uitgevoerd voor beheerde distributie

Dit betekent niet dat elk runtime-oppervlak altijd identiek is. Gehost bewijsmateriaal moet nog steeds worden behandeld als verzoekgerelateerde gegevens die zijn gekoppeld aan een specifieke aanroep, waarbij logboeken worden gebruikt als ondersteunende context. Maar hetzelfde beleidsmodel volgt de agent van lokale ontwikkeling tot de gehoste runtime. Teams hebben niet één beveiligingsmodel nodig voor lokaal testen en een ander voor implementatie. Dezelfde runtime regelt het reizen met de agent.

Gebouwd op de officiële Googlehet ADK-pad van

Deze integratie maakt gebruik van de uitbreidingspunten die al door de ADK van Google worden geboden, in plaats van ontwikkelaars te vragen het raamwerk te omzeilen. Dit is om twee redenen belangrijk:

• Houdt de applicatie leesbaar.


• Vereenvoudigt de adoptie van de beveiligingslaag in reguliere ADK-workflows.

Voor teams die de geschiktheid van platforms evalueren, kan dit net zo belangrijk zijn als de uitkomst van het beleid zelf. Beveiliging moet worden gezien als een integraal onderdeel van de levenscyclus van het framework, en niet als een aparte workflow die aan de zijlijn wordt geplaatst.

Waarom deze integratie belangrijk is:

Met het ADK en Gemini Enterprise Agent Platform van Google kunt u eenvoudig en snel van een prototype naar een gehoste agentruntime overstappen. Dit versnelt de ontwikkeling, maar betekent ook dat het gedrag van agenten sneller real-world systemen kan bereiken. Als de beveiliging van de runtime te verstorend is, zullen teams deze uitstellen. Als het echter op natuurlijke wijze in het ADK-model past, kunnen teams direct aan de slag gaan. Dit maakt het veel gemakkelijker om de beveiliging actief te houden naarmate de agent volwassener wordt.

Laatste gedachten:

De waarde van deze integratie komt neer op een eenvoudige combinatie van factoren, zoals een klein ADK-integratieoppervlak, live testen in zowel de lokale ADK als de gehoste agentruntime, duidelijke runtime-beslissingen in monitoring- en handhavingsmodi, en implementatieflexibiliteit.

Ga aan de slag met Cisco AI Defense op Google ADK en Vertex Agent Engine:

De snelste manier om de waarde te zien is door dezelfde agentworkflow uit te voeren in Monitor en Enforce en te vergelijken wat AI Defense tijdens runtime doet. U kunt ook toegang krijgen tot een AI Defense-evaluatie door een demo aan te vragen.

Waarom dit belangrijk is:

Het Google ADK is het framework voor het bouwen van agenten met behulp van tools, en de Agent Runtime is de beheerde runtime om ze te implementeren. Cisco AI Defense Runtime Protection volgt hetzelfde pad, wat betekent dat dezelfde handhaving van het runtimebeleid van toepassing is op zowel lokale ontwikkeling als gehoste uitvoering op de Agent Runtime.
BRON