Biztonság és bevált gyakorlatok
Ezen az oldalon
Mit nyit meg egy szerver csatlakoztatása?
Ha a Grokot távoli MCP-szerverekhez kapcsolod, lehetővé teszed a modell számára, hogy műveleteket hajtson végre a rendszereiden. Ez a hatalom kockázatokkal jár; a korábbi leckék már bemutatták az ezt szabályozó paramétereket. Most itt az idő, hogy ezeket egy koherens biztonsági stratégiába rendezd a éles környezeti bevezetéshez.
HTTPS és hitelesítés: a megkerülhetetlen alap
A szabály egyszerű: minden éles MCP-szervernek HTTPS-t kell használnia, és hitelesítést kell kérnie. Az xAI már érvényesíti az első pontot, és elutasít minden sima HTTP URL-t. A második azonban kizárólag rajtad múlik, és éppen itt csúsznak be a hibák.
Egy hitelesítés nélküli szerver bárki számára elérhető, aki ismeri az URL-t. Ez azt jelenti, hogy bárki meghívhatja a belső eszközeidet, az adataid hozzáférés-vezérlés nélkül áramlanak, és anomália esetén nincs módod nyomon követni, ki mit csinált. Az URL nem titok: hálózatokon utazik, naplókba kerül, és ha konvenciót követ, ki is található.
# Éles környezet: MINDIG hitelesítéssel
mcp(
server_url="https://api.monentreprise.com/mcp",
server_label="interne",
authorization=f"Bearer {os.getenv('MCP_TOKEN')}"
)
# CSAK fejlesztéshez: hitelesítés nélkül
# SOHA ne telepítsd éles környezetbe
mcp(
server_url="https://mcp.deepwiki.com/mcp",
server_label="deepwiki"
)
A tokenkezelés négy egyszerű fegyelmi szabályt követ, amelyeket időben is be kell tartanod. A tokeneket környezeti változókban tárold, soha ne a forráskódban. Ellenkező esetben az első nyilvános git push-od elküldi a tokenedet a nagyvilágnak. Forgassd őket rendszeresen, legalább 90 naponta. Egy ütemezett rotáció a potenciális szivárgást behatárolt kitettségi időablakká szelídíti. Generáld őket a minimálisan szükséges jogosultságokkal, így egy csak olvasásra lopott token haszontalan lesz bárki számára, aki írni próbálna. Ha egy token kompromittálódik, azonnal vond vissza, mielőtt újat generálnál. A sorrend számít: egy utólag visszavont token addig működik, amíg az új előállítását keresed.
Engedélyezési listák mint második védelmi vonal
Egy érvényes token igazolja a hívó kilétét, de semmit nem mond arról, hogy mit tehetne. Itt jön képbe az allowed_tool_names. Ez a legkisebb jogosultság elvét alkalmazza úgy, hogy csak a szigorúan szükséges dolgokat teszi elérhetővé a modell számára.
A konkrét korlátozás az ügynök profiljától függ. Egy nyilvános chatbot csak olvasási műveletekre szorítkozik, írási eszközök nélkül.
allowed_tool_names=["search_docs", "get_article", "list_categories"]
# Nincs hozzáférés ehhez: create_article, update_article, delete_article
Egy belső ügynök több hozzáférést engedhet meg себе, például jegyekhez fűzhet kommentárt, miközben a visszafordíthatatlan vagy harmadik fél számára látható műveleteket távol tartja.
allowed_tool_names=[
"search_tickets", "get_ticket", "add_comment",
# Nincs hozzáférés ehhez: close_ticket, delete_ticket, reassign_ticket
]
Végül egy automatizált folyamatnak csak arra a két eszközre van szüksége, amelyet a munkafolyamata láncol össze. Semmi nem indokolja, hogy bármit is újrakonfiguráljon.
allowed_tool_names=["run_analysis", "get_results"]
# Nincs hozzáférés ehhez: configure_pipeline, delete_results
Az a forgatókönyv, amely ellen ezek a listák megvédenek, a prompt-beszúrás (prompt injection). Egy elemzett dokumentum, egy jegy vagy egy bejövő e-mail tartalmazhat a modellnek szánt utasítást. Korlátozás nélkül ez az utasítás ráveheti a modellt, hogy egy delete_* eszközzel töröljön adatokat, egy update_config-gal módosítson egy beállítást, vagy nem kívánt kommunikációt indítson egy send_email-lel. Egy soha ki nem tett eszköz nem hijackelhető. Ez az egyetlen igazán szilárd garancia.
A kontextus véges erőforrás
Minden kiexponált eszköz tokeneket fogyaszt a kontextusablakban, mivel annak nevét, leírását és paramétersémáját ott kell tárolni. Egy harminc eszközt közzétevő szerver több ezer tokent is elhasználhat, mielőtt a felhasználó egyetlen kérdést feltenne.
A következmények háromféleképpen jelentkeznek: kevesebb hely marad magának a beszélgetésnek, hosszabb feldolgozási idő a nagy elemzendő volumen miatt, és nagyobb a zavar kockázata, ha több eszköz hasonlít egymásra. Három gyakorlat kezeli ezt. Először is, korlátozz az allowed_tool_names segítségével, ami továbbra is a legközvetlenebb eszköz. Másodszor, szegmentálj használati esetek szerint, ahelyett, hogy egyetlen konfigurációt tartanál fenn. Egy ügyfélszolgálati ügynöknek, egy belső ügynöknek és egy folyamatnak nincs oka ugyanazt a katalógust megosztani. Végül, értékelj újra rendszeresen. Nézd meg a nyomkövetési adataidat, hogy lásd, mely eszközöket hívják meg valójában. Gyakran találsz majd olyat, amelyet sosem használtak, mégis kontextust emészt fel minden kérésnél.
A pontosságot javító leírások
A szerver- és eszközs szintű gondos leírások mérhetően csökkentik a téves hívásokat. Az alábbi kontraszt szemlélteti a különbséget egy használható és egy használhatatlan leírás között.
# Jó: specifikus és cselekvésre ösztönző
server_description="Terméktudásbázis. Keresés súgócikkek, GYIK és hibaelhárítási útmutatók között az A, B és C termékekhez."
# Rossz: homályos és általános
server_description="Adatbázis"
A rendszerprompt ennek a felépítésnek az utolsó rétege. Lehetővé teszi olyan használati szabályok kifejezését, amelyeket a konfiguráció önmagában nem tud érvényesíteni, például a források közötti prioritási sorrendet vagy egy megerősítési követelményt.
Amikor a felhasználó technikai kérdést tesz fel, először a belső tudásbázist (kb) keresd meg.
Ha nem található válasz, használd kiegészítésként a webes keresést.
Soha ne módosíts jegyet a felhasználó kifejezett megerősítése nélkül.
Ne feledd azonban, hogy ezek az irányelvek csak orientálják a modell viselkedését, de nem kényszerítik ki azt. Kiegészítik az engedélyezési listát, de sosem helyettesítik azt.
Főbb megállapítások
- A HTTPS-t az xAI érvényesíti, de a hitelesítés a te felelősséged
- A tokeneket környezeti változókban tárold, és rendszeresen forgasd őket
- Használd az
allowed_tool_namesparamétert a legkisebb jogosultság elvének alkalmazására - Figyeld a kontextusterhelést: minden eszköz tokeneket fogyaszt
- Írj pontos leírásokat a Grok eszközkiválasztásának javítása érdekében