Przejdź do głównej treści
Polski— Wybierz język
Menu

Bezpieczeństwo i najlepsze praktyki

Lekcja 11 z 12 Zaktualizowano 29 lipca 2026 Programista
Na tej stronie
  1. Co otwiera podłączenie serwera
  2. HTTPS i uwierzytelnianie: nienegocjowalny fundament
  3. Listy dozwolonych jako druga linia obrony
  4. Kontekst jest zasobem ograniczonym
  5. Opisy poprawiające precyzję
  6. Kluczowe wnioski

Co otwiera podłączenie serwera

Podłączenie Groka do zdalnych serwerów MCP daje modelowi możliwość działania na Twoich systemach. Ta moc niesie ze sobą ryzyko, a poprzednie lekcje wprowadziły parametry, które je kontrolują. Teraz czas uporządkować je w spójną postawę bezpieczeństwa dla wdrożenia produkcyjnego.

HTTPS i uwierzytelnianie: nienegocjowalny fundament

Zasada jest prosta: każdy produkcyjny serwer MCP musi używać HTTPS i wymagać uwierzytelniania. xAI egzekwuje już pierwszy punkt i odrzuca wszelkie adresy URL zwykłego HTTP. Drugi zależy jednak całkowicie od Ciebie i to właśnie tam pojawiają się błędy.

Serwer bez uwierzytelniania jest dostępny dla każdego, kto zna jego adres URL. Oznacza to, że każdy może wywoływać Twoje narzędzia wewnętrzne, Twoje dane krążą bez kontroli dostępu, a w przypadku anomalii nie masz sposobu, by ustalić, kto i co zrobił. Adres URL nie jest tajemnicą: podróżuje przez sieci, trafia do logów i można go odgadnąć, jeśli follows konwencję.

# Produkcja: ZAWSZE z uwierzytelnianiem
mcp(
    server_url="https://api.monentreprise.com/mcp",
    server_label="interne",
    authorization=f"Bearer {os.getenv('MCP_TOKEN')}"
)

# TYLKO rozwój: bez uwierzytelniania
# NIGDY nie wdrażaj do produkcji
mcp(
    server_url="https://mcp.deepwiki.com/mcp",
    server_label="deepwiki"
)

Zarządzanie tokenami opiera się na czterech prostych dyscyplinach, których musisz przestrzegać przez cały czas. Przechowuj tokeny w zmiennych środowiskowych, nigdy w kodzie źródłowym. W przeciwnym razie Twoje pierwsze publiczne git push wyśle Twój token całemu światu. Rotuj je okresowo, przynajmniej co 90 dni. Zaplanowana rotacja zamienia potencjalny wyciek w ograniczone okno ekspozycji. Generuj je z minimalnymi wymaganymi uprawnieniami, aby token skradziony agentowi tylko do odczytu był bezużyteczny dla kogoś próbującego zapisu. Jeśli jeden zostanie skompromitowany, natychmiast go unieważnij przed wygenerowaniem nowego. Kolejność ma znaczenie: token unieważniony post factum nadal działa przez cały czas, jaki spędzasz na szukaniu jego zamiennika.

Listy dozwolonych jako druga linia obrony

Ważny token dowodzi tożsamości wywołującego; nie mówi nic o tym, co wywołujący powinien móc zrobić. Tutaj wchodzi allowed_tool_names. Stosuje zasadę najmniejszych uprawnień, udostępniając modelowi tylko to, co jest ściśle konieczne.

Konkretne ograniczenie zależy od profilu agenta. Publiczny chatbot ogranicza się do operacji tylko do odczytu, bez żadnych narzędzi do zapisu w zasięgu.

allowed_tool_names=["search_docs", "get_article", "list_categories"]
# Brak dostępu do: create_article, update_article, delete_article

Agent wewnętrzny może pozwolić sobie na większy dostęp, w tym komentowanie zgłoszenia, jednocześnie trzymając z dala działania nieodwracalne lub widoczne dla stron trzecich.

allowed_tool_names=[
    "search_tickets", "get_ticket", "add_comment",
    # Brak dostępu do: close_ticket, delete_ticket, reassign_ticket
]

Na koniec, zautomatyzowany potok potrzebuje tylko dwóch narzędzi, które łączy jego przepływ pracy. Nie ma żadnego uzasadnienia, aby mógł cokolwiek rekonfigurować.

allowed_tool_names=["run_analysis", "get_results"]
# Brak dostępu do: configure_pipeline, delete_results

Scenariusz, przed którym chronią Cię te listy, to wstrzykiwanie promptów (prompt injection). Analizowany dokument, zgłoszenie lub przychodzący e-mail mogą zawierać instrukcję przeznaczoną dla modelu. Bez ograniczeń instrukcja ta może skłonić go do usunięcia danych za pomocą narzędzia delete_*, zmiany ustawienia przez update_config lub wysłania niechcianych komunikatów przez send_email. Narzędzie, które nigdy nie zostało udostępnione, nie może zostać przejęte. To jedyna naprawdę solidna gwarancja.

Kontekst jest zasobem ograniczonym

Każde udostępnione narzędzie zużywa tokeny w oknie kontekstowym, ponieważ jego nazwa, opis i schemat parametrów muszą się tam znajdować. Serwer publikujący trzydzieści narzędzi może zużyć kilka tysięcy tokenów, zanim użytkownik zada choćby jedno pytanie.

Konsekwencje pojawiają się na trzy sposoby: mniej miejsca na samą rozmowę, dłuższy czas przetwarzania ze względu na objętość do analizy oraz zwiększone ryzyko pomyłki, gdy wiele narzędzi wygląda podobnie. Trzy praktyki rozwiązują ten problem. Po pierwsze, ograniczaj za pomocą allowed_tool_names, co pozostaje najbardziej bezpośrednim dźwignią. Następnie segmentuj według przypadków użycia, zamiast utrzymywać pojedynczą konfigurację. Agent obsługi klienta, agent wewnętrzny i potok nie mają powodu, by dzielić ten sam katalog. Wreszcie, przeprowadzaj okresowe ponowne oceny. Sprawdź swoje ślady, aby zobaczyć, które narzędzia są faktycznie wywoływane. Często odkryjesz, że kilka z nich nigdy nie zostało użytych, a jednak kosztuje kontekst przy każdym żądaniu.

Opisy poprawiające precyzję

Staranne opisy zarówno na poziomie serwera, jak i narzędzia mierzalnie redukują błędne wywołania. Poniższy kontrast ilustruje różnicę między opisem użytecznym a bezużytecznym.

# Dobry: specyficzny i możliwy do wykonania
server_description="Baza wiedzy o produktach. Wyszukiwanie artykułów pomocowych, FAQ i przewodów rozwiązywania problemów dla produktów A, B i C."

# Zły: niejasny i ogólny
server_description="Baza danych"

Prompt systemowy jest ostatnią warstwą tej konfiguracji. Pozwala wyrazić zasady użytkowania, których sama konfiguracja nie może wymusić, takie jak kolejność priorytetów między źródłami czy wymóg potwierdzenia.

Gdy użytkownik zadaje pytanie techniczne, najpierw przeszukaj wewnętrzną bazę wiedzy (kb).
Jeśli odpowiedzi nie znaleziono, użyj wyszukiwania w sieci jako uzupełnienia.
Nigdy nie modyfikuj zgłoszenia bez wyraźnego potwierdzenia użytkownika.

Miej jednak na uwadze, że te wytyczne ukierunkowują zachowanie modelu, ale go nie ograniczają. Uzupełniają listę dozwolonych; nigdy jej nie zastępują.

Kluczowe wnioski

  • HTTPS jest egzekwowane przez xAI, ale uwierzytelnianie jest Twoją odpowiedzialnością
  • Przechowuj tokeny w zmiennych środowiskowych i regularnie je rotuj
  • Używaj allowed_tool_names, aby zastosować zasadę najmniejszych uprawnień
  • Monitoruj obciążenie kontekstem: każde narzędzie zużywa tokeny
  • Pisz precyzyjne opisy, aby poprawić wybór narzędzi przez Groka