Michael JohnsonAI 智能体可以判断网络连接故障的原因，继而提出可能影响生产基础设施的修复方案。在 10 月 13 日发布的工程文章中，微软介绍了一种分层架构，通过单独的软件规则限制智能体的访问权限并检查其操作。
文章作者阿伦·马利克是微软 Azure Networking 首席工程师。他分析了数据中心连接不稳定的场景：智能体收集设备状态和遥测数据，将其与近期变更进行比对，对故障分类并生成摘要。之后，系统可以通过架构中预设的控制机制执行修复，例如在承载用户流量的设备上关闭 BGP 会话。
微软描述了四道边界：身份、工具、变更和时间。智能体在调用它的人员权限范围内行动，通过受控接口访问系统，在更改生产环境状态前暂停并等待人工确认；随着时间推移，成功且可重复的流程可以固化为确定性脚本。
智能体的权限与用户权限一致
第一道边界是凭证。在该方案中，智能体代表用户行动，获得的权限不会超过用户自身权限。如果需要使用服务账户，其权限范围应当更窄。这能限制日志或工具响应中的错误内容或恶意文本造成的影响：模型无法获得用户或专用账户本身不具备的权限。
第二道边界是工具。每项操作都通过类型化接口执行，经过单独授权，接收结构化输入，并留下日志记录。马利克指出，限制的对象并非命令行本身，而是不受管理的 shell 访问：范围明确的命令可以作为受控工具提供，而开放式 shell 会让权限划分和审计更加困难。
读取与更改需要不同规则
在所述架构中，诊断可以自动进行。任何会改变生产系统状态的操作都要暂停，等待人工批准。作者表示，这项限制应由执行环境的代码来保障，而不能只依赖对模型的指令。模型可以解析设备的非结构化输出，但操作决策和权限检查仍由软件逻辑负责。
文章以网络接口为例：模型将命令输出转换为结构化字段，验证器依据架构校验这些字段，再由确定性条件决定下一步操作。如果某一步会更改配置，执行就必须等待批准。这样，任务文本便与更改网络的权限相互分离。
第四道边界关乎可重复性。微软建议将经过验证的诊断流程固化为确定性脚本，在熟悉的场景中无需再次调用模型即可执行。公司称，这能减少重复推理的开销、提高可复现性，并缩小错误和攻击面。文章没有提供该方案在生产环境中应用的量化结果。
部署时值得检查的事项
微软的文章是对架构和场景的工程说明，并非对成品可靠性的独立评估。对于设计自有智能体的团队，实用的做法包括：将操作与用户身份绑定，列明获准操作，将调用设计为类型化接口并记录日志，区分读取与写入，并要求对变更进行明确确认。对于重复场景，可在核实触发条件和执行结果后，将其转为常规脚本。
核心结论在于职责分离：模型协助分析未知事件并生成结构化输出；执行系统则决定哪些操作获准，以及何时需要确认。微软提出通过这种分工，从向操作人员提供建议逐步迈向受限的网络基础设施自动化。