Bezpečnost a osvědčené postupy
Na této stránce
Co přináší připojení serveru
Připojení modelu Grok ke vzdáleným serverům MCP mu dává schopnost zasahovat do tvých systémů. Tato moc s sebou nese rizika a předchozí lekce ti představily parametry, které ji řídí. Nyní je čas uspořádat je do ucelené bezpečnostní strategie pro nasazení v produkčním prostředí.
HTTPS a autentizace: Nepostradatelný základ
Pravidlo je jednoduché: každý produkční server MCP musí používat HTTPS a vyžadovat autentizaci. Společnost xAI již vynucuje první bod a odmítá jakékoli adresy URL s prostým HTTP. Druhý bod však závisí výhradně na tobě a právě zde se plíží chyby.
Server bez autentizace je přístupný komukoli, kdo zná jeho URL. To znamená, že kdokoli může volat tvé interní nástroje, tvá data cirkulují bez kontroly přístupu a v případě anomálie nemáš žádný způsob, jak vysledovat, kdo co udělal. URL není tajemství: putuje po sítích, končí v logách a pokud dodržuje určitou konvenci, lze ji uhodnout.
# Produkce: VŽDY s autentizací
mcp(
server_url="https://api.monentreprise.com/mcp",
server_label="interne",
authorization=f"Bearer {os.getenv('MCP_TOKEN')}"
)
# POUZE vývoj: bez autentizace
# NIKDY nenasazovat do produkce
mcp(
server_url="https://mcp.deepwiki.com/mcp",
server_label="deepwiki"
)
Správa tokenů se řídí čtyřmi jednoduchými disciplínami, kterých se musíš dlouhodobě držet. Tokeny ukládej do proměnných prostředí, nikdy ne do zdrojového kódu. Jinak tvé první veřejné git push pošle tvůj token celému světu. Pravidelně je obměňuj, alespoň každých 90 dní. Naplánovaná rotace změní potenciální únik na omezené časové okno expozice. Generuj je s minimálními potřebnými oprávněními, aby byl token ukradený agentovi pouze pro čtení pro kohokoli, kdo se pokouší zapisovat, k ničemu. Pokud je jeden kompromitován, okamžitě jej zruš před vygenerováním nového. Na pořadí záleží: token zrušený dodatečně funguje po celou dobu, než najdeš jeho náhradu.
Allowlisty jako druhá linie obrany
Platný token dokazuje identitu volajícího; nic neříká o tom, co by volající měl mít možnost dělat. Zde přichází na řadu allowed_tool_names. Aplikuje princip nejmenších oprávnění tím, že modelu zpřístupní pouze to, co je nezbytně nutné.
Konkrétní omezení závisí na profilu agenta. Veřejný chatbot se drží pouze operací pro čtení, bez jakýchkoli nástrojů pro zápis v dosahu.
allowed_tool_names=["search_docs", "get_article", "list_categories"]
# Žádný přístup k: create_article, update_article, delete_article
Interní agent si může dovolit větší přístup, včetně komentování ticketů, zatímco nevratné akce nebo akce viditelné pro třetí strany zůstávají mimo dosah.
allowed_tool_names=[
"search_tickets", "get_ticket", "add_comment",
# Žádný přístup k: close_ticket, delete_ticket, reassign_ticket
]
Automatizovaný pipeline nakonec potřebuje pouze dva nástroje, které řetězí jeho pracovní postup. Neexistuje žádné ospravedlnění pro to, aby něco překonfigurovával.
allowed_tool_names=["run_analysis", "get_results"]
# Žádný přístup k: configure_pipeline, delete_results
Scénář, před kterým tě tyto seznamy chrání, je vstřikování promptů (prompt injection). Analyzovaný dokument, ticket nebo příchozí e-mail může obsahovat instrukci určenou modelu. Bez omezení může tato instrukce vést k vymazání dat prostřednictvím nástroje delete_*, úpravě nastavení přes update_config nebo odeslání nechtěné komunikace přes send_email. Nástroj, který nebyl nikdy zpřístupněn, nelze zneužít. To je jediná skutečně pevná záruka.
Kontext je omezený zdroj
Každý zpřístupněný nástroj spotřebovává tokeny v kontextovém okně, protože jeho název, popis a schéma parametrů musí být uloženy právě tam. Server publikující třicet nástrojů může spotřebovat několik tisíc tokenů dříve, než uživatel vůbec položí otázku.
Důsledky se projeví třemi způsoby: méně místa pro samotnou konverzaci, delší doba zpracování kvůli objemu dat k analýze a zvýšené riziko záměny, když se více nástrojů podobá. Tento problém řeší tři postupy. Za prvé, omezuj pomocí allowed_tool_names, což zůstává nejpřímější pákou. Za druhé, segmentuj podle případů použití, místo abys udržoval jednu konfiguraci. Agent zákaznické podpory, interní agent a pipeline nemají důvod sdílet stejný katalog. Za třetí, pravidelně přehodnocuj. Kontroluj své stopy (traces), abys viděl, které nástroje jsou skutečně volány. Často zjistíš, že několik z nich nebylo nikdy použito, přestože stojí kontext při každém požadavku.
Popisy, které zlepšují přesnost
Pečlivé popisy na úrovni serveru i nástrojů měřitelně snižují chybná volání. Níže uvedený kontrast ilustruje rozdíl mezi použitelným a nepoužitelným popisem.
# Dobré: specifické a akční
server_description="Product knowledge base. Search help articles, FAQ, and troubleshooting guides for products A, B, and C."
# Špatné: vágní a obecné
server_description="Database"
Systémový prompt je poslední vrstvou tohoto nastavení. Umožňuje ti vyjádřit pravidla používání, která samotná konfigurace nemůže vynutit, jako je pořadí priorit mezi zdroji nebo požadavek na potvrzení.
When the user asks a technical question, search the internal knowledge base (kb) first.
If the answer is not found, use web search as a supplement.
Never modify a ticket without explicit user confirmation.
Měj však na paměti, že tyto pokyny orientují chování modelu, ale neomezují ho. Doplňují allowlist; nikdy jej nenahrazují.
Klíčové poznatky
- HTTPS vynucuje xAI, ale autentizace je tvou odpovědností
- Ukládej tokeny do proměnných prostředí a pravidelně je obměňuj
- Používej
allowed_tool_namesk aplikaci principu nejmenších oprávnění - Sleduj zatížení kontextu: každý nástroj spotřebovává tokeny
- Piš přesné popisy pro zlepšení výběru nástrojů modelem Grok