Richtlinien & Sicherheit

Richte umfassende Sicherheitsrichtlinien in Execlave ein, um meine KI-Agenten zu schützen. Folgende Schritte sind über die Execlave REST API durchzuführen: 1. Erstelle eine Richtlinie zur Erkennung von Prompt-Injection (blockiert bösartige Eingaben): curl -X POST https://api.execlave.com/api/v1/policies \  -H "X-API-Key: <my-api-key>" \  -H "Content-Type: application/json" \  -d '{    "name": "Block Prompt Injection",    "policyType": "injection_scan",    "enforcementMode": "block",    "ruleDefinition": { "patterns": ["ignore previous instructions", "system prompt"], "action": "block", "scan_input": true, "scan_output": true },    "appliesToAgents": [],    "isActive": true  }' 2. Erstelle eine PII-Schutzrichtlinie (erkennt und schwärzt personenbezogene Daten): curl -X POST https://api.execlave.com/api/v1/policies \  -H "X-API-Key: <my-api-key>" \  -H "Content-Type: application/json" \  -d '{    "name": "PII Protection",    "policyType": "pii_access",    "enforcementMode": "monitor",    "ruleDefinition": { "denied_pii_types": ["ssn", "credit_card"], "mask_output": true, "log_access": true },    "appliesToAgents": [],    "isActive": true  }' 3. Erstelle eine Kostenlimit-Richtlinie (verhindert unkontrollierte Ausgaben): curl -X POST https://api.execlave.com/api/v1/policies \  -H "X-API-Key: <my-api-key>" \  -H "Content-Type: application/json" \  -d '{    "name": "Daily Cost Limit",    "policyType": "cost_limit",    "enforcementMode": "block",    "ruleDefinition": { "max_cost_per_execution": 5.0, "daily_budget": 50.0 },    "appliesToAgents": [],    "isActive": true  }' 4. Erstelle eine monatliche Budgetobergrenze (erzwingt monatliche Ausgabenlimits): curl -X POST https://api.execlave.com/api/v1/policies \  -H "X-API-Key: <my-api-key>" \  -H "Content-Type: application/json" \  -d '{    "name": "Monthly Budget Cap",    "policyType": "budget_cap",    "enforcementMode": "block",    "ruleDefinition": { "monthly_cap_usd": 1000.0, "warning_threshold_pct": 80, "reset_day": 1 },    "appliesToAgents": [],    "isActive": true  }' 5. Richte die Pre-Execution-Durchsetzung in deinem Code ein. enforcePolicy() WIRFT einen PolicyBlockedError, wenn eine Richtlinie im Block-Modus greift — es wird NICHT { allowed: false } zurückgegeben. Der Fehler muss abgefangen werden. // JavaScript/TypeScriptimport { ag } from './lib/execlave';import { AgentPausedError, PolicyBlockedError } from '@execlave/sdk'; async function handleMessage(input: string) {  try {    // Richtlinien VOR dem LLM-Aufruf prüfen. Wirft bei Blockierung.    await ag.enforcePolicy({ agentId: 'my-chatbot', input });     const response = await llm.call(input);    return response;  } catch (err) {    if (err instanceof PolicyBlockedError) {      // err.violations: Liste von { policyType, policyName, severity, message, enforcementMode }      return 'Ihre Eingabe wurde durch unsere Inhaltsrichtlinien blockiert.';    }    if (err instanceof AgentPausedError) {      return 'Dienst vorübergehend nicht verfügbar.';    }    throw err;  }} # Pythonfrom execlave import AgentPausedError, PolicyBlockedError def handle_message(user_input: str):    try:        ag.enforce_policy(agent_id="my-chatbot", input=user_input)        return llm.invoke(user_input)    except PolicyBlockedError:        return "Ihre Eingabe wurde durch unsere Inhaltsrichtlinien blockiert."    except AgentPausedError:        return "Dienst vorübergehend nicht verfügbar." Diese Richtlinien gelten standardmäßig für ALLE Agenten (leeres appliesToAgents-Array).Um den Geltungsbereich auf bestimmte Agenten einzuschränken, deren UUIDs im appliesToAgents-Array angeben. WICHTIG: Tracing allein blockiert KEINE LLM-Aufrufe. Die Trace-Ingestion erzeugt Vorfälle erst nachträglich. Um Anfragen vor dem LLM zu blockieren, MUSS enforcePolicy() / enforce_policy() aufgerufen und PolicyBlockedError wie oben gezeigt behandelt werden.