Agent Skills
返回列表
🤖

Latch 审批关卡

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_3c6cb52e/gate-risky-agent-actions-behind-approval-checkpoints-with-latch 到当前 AI 助手。

技能介绍

问题:代理执行链缺少统一决策点

当 Agent 通过 MCP 直接调用工具时,"这一步能不能做"的判断通常散落在提示词或业务代码里。安全边界依赖模型自觉,而非可执行的策略约束;一次高风险操作(执行 shell 命令、向外发送消息)可能已经进入工具调用阶段,才发现缺少人工确认。

核心思路:策略评估前置

Latch 在 Agent 与上游 MCP server 之间插入一个策略与审批层。每次工具调用先经过策略评估,结果只有三种:

  • allow:安全操作直接放行,不打断执行流;
  • deny:被拒绝的调用不会触达工具;
  • require approval:高风险操作暂停,等待人工审查后再继续。

也就是说,"哪些动作算风险"不再交给模型临场判断,而是由策略集中声明——例如 shell 命令与外部发送被标记为需要审批,普通只读调用自动继续。

工作方式与关键步骤

  • 将 Latch 作为上游 MCP server 的包装层启动,代理侧的工具端点指向 Latch,而非直接指向原始服务;
  • 调用发起后先做策略评估,按返回结果决定放行、拦截或转入审批队列;
  • 需审批的操作在检查点暂停,人工确认后才恢复执行。

适用边界与注意点

  • Latch 解决的是调用前的策略拦截,不替代工具自身的权限与审计机制;
  • 策略声明需要覆盖全部工具入口,绕过包装层的直连调用不受保护;
  • 审批延迟会直接叠加到执行链上,延迟敏感的场景需要权衡。

使用场景

  • 运维让 Agent 执行服务器巡检时,需要 shell 命令这类高风险调用先暂停,人工确认后才继续执行。
  • 客服机器人经 MCP 调用外部发送工具回复客户,需要把对外发信动作纳入人工审批关卡。
  • 数据团队让 Agent 批量跑报表,只读查询自动放行,写库或改表操作等待审批再执行。
  • 把已有 MCP 服务接入 Agent 前,需要一层策略评估决定放行、拒绝或转人工审批。

适合人员

  • 把 MCP 工具接入 Agent 的开发者:需要统一拦截高风险调用,不想靠提示词约束安全边界。
  • 负责代理上线与运维的工程师:要在工具执行前加上策略评估与人工审批检查点。
  • 对 AI 代理做合规审查的人员:需要可集中声明的策略层,明确哪些调用被放行或拦截。
  • 数据平台工程师:想让 Agent 自动完成分析查询,但写操作必须经过人工确认。