OpenAgentFlow：为异构 AI 代理队列启用系统范围的安全边界

arXiv:2609.00015v1 公告类型：新 摘要：由大型语言模型支持的人工智能代理正在从孤立的助手演变成异构系统，其中多个代理、规划器、控制器和执行后端在同一用户或企业环境中运行。在这样的设置中，安全性成为系统级操作治理问题：决定在修改共享状态之前是否应提交具体的代理生成的操作。现有的保障措施涵盖提示、工具调用、GUI 操作和代理本地行为，但往往导致执行支离破碎，模糊多步骤操作流程中出现的风险，并且对可审计性和策略演变提供有限的支持。我们提出了 OpenAgentFlow，一种控制平面/操作平面架构，可增强操作提交边界的安全性。它将待处理的 GUI 操作、API 调用、工具调用和 LLM 生成的调用标准化为统一的 AgentEvent 流，通过共享的预执行策略执行点路由每个事件，并在控制平面中维护来源、会话状态、审核记录和可更新策略。这将创建一个共享的可治理操作流，并允许新规则生效，而无需修改代理、提示、模型或执行路径。我们在 Android 上实例化 OpenAgentFlow。在 300 个案例的动作事件基准测试中，它达到了 94.0% 的准确率和 95.3% 的攻击阻止率。在包含 30 个案例的动态策略套件中，安装新规则后，它与 27 个案例中的预期行为相匹配。在 100 个 Android 模拟器套件的 98 个跟踪案例中，它在 GUI、API 和 LLM 计划案例中实现了 90.8% 的原始准确率和 92.9% 的跟踪调整通过率。这些结果表明 OpenAgentFlow 为异构 AI 代理队列提供了实用的共享执行边界。