当AI智能体从调用API转向执行Shell,风险模型会立刻变化:它不再只是一个受限的HTTP客户端,而是一个能安装软件包、读写文件、发起网络连接、接触凭证的进程组合。Kubernetes的Pod安全上下文可以限制非root、Capabilities、宿主命名空间和seccomp,但它无法表达“哪个二进制可以访问哪个HTTP方法”;NetworkPolicy可以描述Pod到主机端口的连通性,却难以区分同一条出站连接背后的读取与写入语义。因此,执行边界不能寄托在单一控制点上,而应拆成准入控制、运行时策略、隔离强度、凭证代理和审计记录几个层面。任何一个层面单独使用,都不足以支撑高权限代理的长期运行。
准入控制适合回答“什么对象可以被创建”:镜像是否使用不可变摘要、容器是否禁止特权、资源请求是否有上限、是否允许通过环境变量批量注入Secret、角色是否出现通配符。它的优势是作用于Kubernetes API入口,能覆盖所有提交者,包括平台组件自身;局限是只看对象形态,看不到进程内的具体请求。运行时监督则适合回答“这次出站请求是否放行”:目标主机、端口、调用二进制、HTTP方法都可以成为决策输入。代价是请求多经过一个转发路径,监督组件本身也会成为需要审计和扩缩容的对象。
二者的取舍不是谁替代谁,而是边界放在哪里。把策略全部塞进入准控制,会迫使他人在对象之外表达细粒度意图;把策略全部交给运行时,又会让Pod模板、镜像来源和资源上限失去统一闸门。较稳妥的设计是:准入层管对象基线,运行时层管请求语义,审计层记录允许与拒绝,并保证日志可回溯到具体沙箱和策略版本。
标准容器加Landlock、seccomp可以降低文件系统和系统调用暴露面,但它仍共享宿主内核;gVisor、Cloud Hypervisor等强隔离后端能改变信任边界,却会带来启动、快照、资源开销和运维复杂度的新问题。这里不能预设“强隔离一定更慢”或“容器一定足够”,只能把创建时延、策略更新生效时延、恢复时延、单沙箱资源开销、每节点密度和拒绝决策延迟列为待验证指标,并在隔离环境中用合成数据测量。
扩缩容同样受架构选择影响。一沙箱一Pod的模型与Kubernetes原生对象、RBAC、审计日志结合得更自然,但沙箱本身未必暴露/scale子资源,HPA、KEDA、VPA不能直接作用于单个沙箱;共享Worker池或Actor模型可能提高闲置代理的密度,却会把代理身份、出站策略和快照状态放入自有API,准入控制看到的对象粒度随之改变。选择时应先问工作负载是“长期持有生产凭证、请求需要逐条审计”,还是“大量突发、多数闲置、成本优先”,而不是先比较抽象的性能口号。
凭证代理的价值在于让代理只看到占位符,由受信组件在允许的端点替换真实密钥;这减少凭证暴露面,但不等于密钥隔离的全部实现。GPU配额、CPU上限、临时存储上限只约束资源使用,不能当作密钥隔离或签名机制。网络侧默认拒绝出站是合理起点,但若没有运行时执行点,仅靠NetworkPolicy很难表达二进制级和HTTP方法级规则。与此同时,准入策略需要覆盖Pod和NetworkPolicy本身,而不只是沙箱自定义对象;否则拥有创建Pod权限的服务账号仍可能绕过沙箱模板的直接约束。
运行遥测可以支持技术审计和事件排查,但不能自动成为法律效力证明。清理策略也不应以“治理”为名删除业务原始证据;保留周期、法律保留和审计需求应由组织流程决定,技术系统只负责记录和标记。
可行的验证应限定在隔离集群和合成数据中,不接入真实凭证。测试可构造只读文件、越权写入、DNS解析、按二进制放行、按HTTP方法拒绝、策略热更新、沙箱停止后恢复等场景;指标只记录测量方法,例如从请求发出到策略决策返回的时间、策略更新到沙箱确认的时间、创建到Pod就绪的时间、单位时间内允许与拒绝计数、日志字段完整率。测试不预设改善百分比,也不把结果外推为生产可靠性结论。重点不是证明某个方案“更快”,而是确认边界在失败时如何表现:策略未加载时是否默认拒绝,监督组件不可用时是否阻断,准入被绕过时是否有第二层检测。
AI代理在Kubernetes上运行Shell,合理的执行边界是组合式的:准入控制约束对象形态,运行时监督约束请求语义,隔离后端决定内核信任边界,凭证代理减少密钥暴露,审计记录保留决策链。OpenShell、Agent Sandbox、Kyverno等组件提供了可讨论的实现路径,但具体选择仍取决于凭证敏感度、请求粒度、闲置比例和团队治理栈。不要把资源配额当成密钥隔离,不要把技术遥测当成法律结论,也不要用未经验证的性能判断替代隔离环境中的测量。先定义失败模式和待验证指标,再决定边界放在哪一层。