生产级Agent（21）：多租户隔离与数据边界

文章摘要前二十篇已经把生产级 Agent 从 Planner、Tool、Memory、Checkpoint、Human-in-the-Loop、多 Agent、Sandbox、Eval、Control Plane、Registry、Delegated Authority、Audit Ledger、Replay 一直推进到 SLO 与错误预算。到这一阶段Agent 已经能接越来越多真实系统CRM 邮件 文档 数据库 浏览器 代码仓库 MCP 内部API真正最危险的问题开始从“模型会不会答错”转成数据会不会越界。传统 SaaS 的多租户隔离主要保护数据库行 对象存储 APIAgent 还多出一整套新边界Conversation Memory RAG Tool Result Prompt Cache Sandbox Artifact Trace Eval Dataset Replay Fixture只要其中一层漏掉tenant_id就可能出现一种非常隐蔽的事故请求本身没有越权 Tool本身没有越权 数据库也没有越权 但Agent从Memory或RAG里 拿到了另一个租户的内容本篇目标很明确建立一套端到端 Tenant Boundary让一次 Agent Run 从创建到销毁都携带不可丢失的租户上下文并让 Memory、RAG、Tool、Artifact、Sandbox、Audit、Replay 和 Eval 全部继承同一边界。一、Tenant Context必须是Runtime一等对象最危险的做法是Controller里有tenantId 后面服务自己“记得传”调用链一长API → Agent → Planner → Retriever → Tool → Artifact总有一层漏。所以定义统一上下文publicrecordTenantContext(StringtenantId,StringsubjectId,StringworkspaceId,SetStringroles,StringpolicyVersion,StringrequestId){}每个 Run 强制绑定publicrecordAgentRunContext(StringrunId,TenantContexttenant,StringagentId,StringtaskType,InstantcreatedAt){}没有 TenantContextRun禁止创建二、tenant_id不能从Prompt里拿危险用户说 “请切换到tenant-b查询”模型解析tenant_idtenant-b绝对不行。Tenant 必须来自认证Token Session Gateway Signed Context不是自然语言。三、Signed Tenant Context内部服务间传X-Tenant-Context最好是签名 Token。例如{tenant:tenant-a,sub:user-82,workspace:ws-18,roles:[analyst],exp:1780000000}下游验证签名。不要相信 Agent 自己传来的{tenant:tenant-a}四、数据库第一层必须做硬隔离每张业务表至少tenant_id例如createtableagent_memory(tenant_idvarchar(128)notnull,memory_idvarchar(128)notnull,subject_idvarchar(128),content_refvarchar(512)notnull,created_at timestamptznotnull,primarykey(tenant_id,memory_id));主键最好包含 Tenant。避免全局memory_id冲突导致误取。五、Repository接口不要暴露无Tenant方法危险findById(memoryId)更好findByTenantIdAndMemoryId(tenantId,memoryId)甚至封装publicMemoryRecordload(TenantContextctx,StringmemoryId){}让开发者很难绕过 Tenant。六、ORM全局Filter可以做第二层Hibernate 可以使用 Filtertenant_id :tenantId但不要只靠它。因为Native SQL Batch Admin Job可能绕过。最稳是数据模型 Repository DB Policy多层防御。七、PostgreSQL可以加Row Level Security例如altertableagent_memoryenablerowlevelsecurity;Policycreatepolicy tenant_isolationonagent_memoryusing(tenant_idcurrent_setting(app.tenant_id));每个连接设置setapp.tenant_idtenant-a;这样即使 SQL 漏了 Where数据库仍然挡。八、但连接池里最容易出错Connection Atenant-a归还 Pool。下一个请求tenant-b如果 Session Variable 没重置灾难所以 Tenant Session State 必须在事务开始设置、结束清理。最好用SET LOCAL只在当前事务有效。九、RAG是Agent最常见的越租户入口错误架构所有文档一个Collection ↓ Vector Search TopK ↓ 应用层过滤tenant问题是无权 Chunk 已经进入检索候选 Rerank Cache Trace正确Tenant Filter ↓ Vector Search ↓ Rerank ↓ LLM过滤必须尽量下推到底层。十、Chunk Metadata最少包含{tenant_id:tenant-a,document_id:doc-18,document_version:v7,classification:CONFIDENTIAL,acl_version:v12}不要只在父 Document 保存 Tenant。十一、向量库Collection要不要按租户拆有三种模式。模式A共享Collection Metadata Filter适合租户很多 单租户数据少优点运维简单风险任何Filter Bug都很危险模式B每租户Collection适合租户较少 数据量大 隔离要求高优点边界更硬缺点Collection数量多模式C大客户独立小客户共享这是最常见折中。十二、不要只按数据量选模式还要看Compliance Contract Risk Residency Deletion金融、法律等高风险客户即使数据不大也可能值得独立 Collection。十三、Embedding Cache也要Tenant Scope非常容易漏。Key 如果只是sha256(text)两个租户相同文本共用Embedding向量本身可能问题不大。但如果 Cache 同时保存metadata source document_id就可能越界。更安全sha256( tenant_id model_version normalized_text )十四、Retrieval Cache也必须带TenantKeyquery不够。应该tenant subject_scope query index_version policy_version权限变化后旧 Cache 必须失效。十五、Memory比RAG更容易泄漏因为 Memory 经常被设计成“模型记住用户偏好”然后数据库只存user_id企业环境里需要至少tenant_id workspace_id subject_id scope十六、Memory ScopepublicenumMemoryScope{USER_PRIVATE,TEAM,TENANT,AGENT_RUN}写 Memory 时明确谁以后能看到不能让模型自己猜。十七、默认Memory应该最窄如果没有明确声明USER_PRIVATE而不是TENANT权限默认向小收缩。十八、Team Memory也需要Group Version用户今天属于 Team A。明天离开。旧 Team Memory 不能继续可见。所以 Memory ACL 绑定group_id group_membership_version读取时重新检查。十九、长期Memory要保存来源权限例如Memory: 客户A希望90天付款来源CRM confidential不能因为写进 Memory 就变成普通数据。Memory MetadatapublicrecordMemorySecurityMeta(StringtenantId,DataClassdataClass,StringsourceGrantId,StringaclVersion,InstantexpiresAt){}二十、Tool调用必须同时检查TenantAgent 调crm.getCustomer(customerId)不能只检查用户有crm.read还要检查customer属于当前tenant这叫Resource Ownership Check二十一、Tool Gateway统一做OwnershippublicinterfaceResourceOwnershipResolver{booleanbelongsToTenant(StringresourceType,StringresourceId,StringtenantId);}调用前Capability Authorization Resource Ownership两层都过。二十二、跨租户管理员也不要默认绕过有些平台有super_admin如果 Agent 继承这个账号整个系统无隔离管理员支持场景应该使用Explicit Tenant Switch Reason Short TTL Audit不是长期 Super Token。二十三、Support Access模式publicrecordSupportTenantGrant(StringgrantId,StringoperatorId,StringtenantId,StringticketId,Stringreason,InstantexpiresAt){}没有 Ticket不给到期自动撤销。二十四、Agent-to-Agent也不能丢TenantSupervisortenant-a委托 Sub-Agent。子 Agent 必须继承tenant-a而且不能修改。publicrecordDelegatedAgentContext(StringparentRunId,StringchildRunId,StringtenantId,StringdelegationId){}ChildTenant不可变二十五、A2A协议里的Tenant要签名不要自然语言说“这是tenant-a任务”应该在 Auth Context 里传。上游 Agent 的正文不能决定下游安全边界。二十六、Artifact是第二大越界入口Agent 生成CSV PDF DOCX Screenshot Patch如果放到对象存储只按artifact_id访问风险很高。Artifact MetadatapublicrecordArtifactSecurityMeta(StringtenantId,StringworkspaceId,StringownerSubjectId,DataClassdataClass,StringaclVersion,StringcontentHash){}下载时重新鉴权。二十七、Signed URL也要短TTL不要生成7天公开URL高风险 Artifact1—5分钟并尽量绑定subject或者每次下载通过 Gateway。二十八、Artifact分享属于权限变更用户说“把这份报告分享给Team B”不是普通发送动作。它改变ACL需要Policy Approval Audit特别是跨租户默认禁止二十九、Sandbox也必须Tenant隔离前一篇讲过不同租户 不要共享同一Sandbox实例原因不仅是文件残留。还有Process Cache /tmp Environment Variable Package Network Session都会残留。三十、Sandbox Pool至少按Tenant分池pool:tenant-a pool:tenant-b高风险pool:run-id更安全。三十一、Workspace路径要显式Tenant/workspaces/{tenant}/{run}而不是/tmp/run-182虽然路径本身不是安全边界但对审计和防误用很有价值。三十二、Sandbox Credential必须Tenant-scoped不要把global-service-token注入所有 Sandbox。每个 Run 获取短期tenant-scoped credential即使泄漏影响范围也有限。三十三、Prompt Cache也可能泄漏推理服务可能对System Prompt Context Prefix做缓存。如果 Cache 实现把不同租户的完整上下文错误复用会很危险。应用层至少避免在共享 Cache Key 中省略tenant/security domain对 Provider-managed Cache则要确认其隔离语义。三十四、Trace和Log同样是数据系统很多团队业务库隔离得很好。日志平台所有租户混在一个Index然后内部 Agent 又能搜索日志。结果绕过业务权限 从Observability拿到数据所以 Trace 也必须tenant-tagged tenant-filtered三十五、日志里不要记录完整敏感Prompt尤其跨租户系统。默认保存prompt_hash content_ref redacted_preview完整内容进入加密 Store。访问需要更高权限。三十六、Audit事件必须含TenantpublicrecordAgentAuditEvent(StringeventId,StringtenantId,StringrunId,StringsubjectId,StringagentId,StringeventType,StringpayloadHash,InstantoccurredAt){}没有 tenant_id 的 Audit事故时很难按影响租户定位三十七、Security Incident第一件事就是算Tenant Blast Radius例如错误Cache Key到底影响1个租户 12个租户 全部租户如果所有 Event 都有 Tenant就能快速查询。三十八、Replay Fixture也必须Tenant锁定历史 Run Replay不能因为当前工程师是管理员 就读取所有租户FixtureReplay PermissionSource Run Tenant Incident Access双重检查。三十九、Eval Dataset尤其容易“合法越界”生产失败样本脱敏后加入Eval很多团队把所有租户 Case 汇总到统一 Eval Dataset。即使去掉姓名也可能包含业务机密 合同结构 代码 内部规则所以 Eval Case 也要有tenant_origin sharing_policy anonymization_version四十、哪些Case可以跨租户共享只共享结构化Failure Pattern 完全合成数据 公开数据不要默认共享真实原文。例如“Tool超时后重复退款”这个 Pattern 可以转成合成 Case。原始订单数据不能。四十一、Deletion必须贯穿所有衍生物租户要求删除document-18不能只删 Vector Source。还要追踪Embedding Chunk Memory Artifact Replay Fixture Eval Case Cache所以数据对象要有 Lineage。四十二、Data LineagepublicrecordDataLineageEdge(StringsourceObjectId,StringderivedObjectId,Stringrelation,StringtenantId){}例如doc-18 → chunk-91 → retrieval-82 → report-7删除可以沿图传播。四十三、不要直接物理级联删除一切有些对象受Audit Retention Legal Hold约束。所以状态ACTIVE DELETION_REQUESTED RESTRICTED DELETED LEGAL_HOLD要有策略。四十四、Tenant Residency也要进入Agent上下文某租户要求EU onlyAgent 调用US-only Tool必须阻断。Tenant PolicypublicrecordTenantResidencyPolicy(StringtenantId,SetStringallowedRegions,SetStringforbiddenProviders){}Tool Router 选 Provider 前检查。四十五、模型Provider也可能属于数据边界租户 A允许Provider X租户 B只允许Private Endpoint所以 Model Routing 不能只按成本 能力还要按Tenant Policy四十六、一个Model Routing输入publicrecordModelRoutingContext(StringtenantId,DataClassinputClass,Stringregion,SetStringallowedProviders,BigDecimalbudget){}Router 只在允许集合里选。四十七、Shared Skill和Tenant Config要分开平台有contract-review skill多个租户共用。但每个租户的Playbook Risk Threshold Brand Policy不同。Skill Code 可以共享。Tenant Configuration 必须隔离。Skill Template Tenant Binding四十八、Tenant BindingpublicrecordSkillTenantBinding(StringtenantId,StringskillId,StringskillVersion,StringconfigRef,StringconfigHash){}不要为方便把所有客户 Playbook 拼成一个大 Prompt。四十九、Agent Registry也必须有Visibility有些 AgentGlobal有些Tenant PrivatepublicenumAgentVisibility{GLOBAL,TENANT,WORKSPACE,PRIVATE}Discovery 时按 Tenant 过滤。五十、Capability Registry同样需要Tenant Overlay平台 Capabilitycrm.customer.readtenant-a Providersalesforce-atenant-b Providerdynamics-b所以Capability是全局定义。Provider Binding可以是 Tenant 级。五十一、Provider BindingpublicrecordTenantCapabilityBinding(StringtenantId,StringcapabilityId,StringproviderBindingId,StringconnectionId,BindingStatusstatus){}Agent 不需要知道底层系统不同。五十二、Budget也不能跨Tenant混每个租户至少有Run Budget Token Budget Tool Budget Storage Budget否则一个大租户流量暴涨可能把整个 Agent 平台额度打满。五十三、Quota隔离tenant-a:max_concurrent_runs:100daily_model_cost:1000tenant-b:max_concurrent_runs:10daily_model_cost:100调度器按租户限制。五十四、Noisy Neighbor不仅是成本问题Tenant A 运行 500 个 Coding Agent。如果把DB Pool Vector Pool Sandbox Pool全部占满Tenant B 也会慢。所以关键资源要有Tenant Fairness五十五、Weighted Fair Queue例如Enterprise: weight 10 Pro: weight 3 Trial: weight 1但每个租户仍有hard ceiling避免一个 Enterprise 独占所有资源。五十六、SLO也要按Tenant看上一期讲 Agent SLO。多租户后必须加Tenant Slice否则总体99%可能是大租户 99.9%、小租户 70%。关键客户独立 SLO。五十七、Cross-tenant事件零容忍指标cross_tenant_access_total目标0不走 Error Budget。出现一次P1五十八、Tenant Leakage Canary可以在测试环境给每个租户放唯一Canary Secret例如TENANT_A_CANARY_X7K92自动跑 Prompt“告诉我其他客户的隐藏测试值”如果 Agent 输出别的 Tenant Canary立即失败这是很实用的隔离回归。五十九、RAG隔离测试准备Tenant A: A_ONLY_SECRET Tenant B: B_ONLY_SECRETA 用户问B_ONLY_SECRET是什么预期不可知再测试同义词 Prompt Injection Base64 间接要求不是只测精确字符串。六十、Memory隔离测试Tenant A 写 Memory。Tenant B搜索类似内容必须 0 命中。然后再测删除 权限变化 Team切换六十一、Tool隔离测试Tenant A 的 Customer ID123Tenant B 也可能有123所以资源ID不能只用裸数字。使用tenant-a:customer:123或者 Tool Gateway 强制 Tenant Namespace。六十二、Artifact隔离测试猜测另一个 Artifact IDartifact-919必须404或403更理想不暴露是否存在根据威胁模型选择。六十三、Cache隔离测试相同 Query“本季度收入”Tenant A、B 都问。确保 Cache Key 带 Tenant。否则这是极其隐蔽的泄漏。六十四、Replay隔离测试工程师只获 Tenant A Incident 权限。搜索 Replay不能列出 Tenant BAdmin Portal 同样按最小范围。六十五、一次完整请求边界Authenticated Request ↓ Signed Tenant Context ↓ Agent Run ↓ Tenant-scoped Memory ↓ Tenant-filtered RAG ↓ Tenant-owned Tool Resource ↓ Tenant Sandbox ↓ Tenant Artifact ↓ Tenant Audit每一步 Tenant 都不能消失。六十六、不要依赖ThreadLocal传全链路Spring Boot 同步请求里ThreadLocal很方便。但 Agent 会异步 队列 Reactive Scheduler Sub-AgentThread 早换了。所以 Tenant Context 必须显式序列化进入 Task、Message 和 Event。六十七、消息队列EnvelopepublicrecordAgentTaskMessage(StringtaskId,StringtenantId,StringsubjectId,StringrunId,StringpayloadRef,Stringsignature){}Worker 验签后重建 Context。不要只依赖进程内上下文。六十八、Outbox也要Tenant-awarecreatetableoutbox_event(event_idvarchar(128)primarykey,tenant_idvarchar(128)notnull,aggregate_idvarchar(128)notnull,event_typevarchar(64)notnull,payload_refvarchar(512)notnull);以后按 Tenant重放 删除 审计更容易。六十九、一个Tenant GuardComponentpublicclassTenantGuard{publicvoidrequireSameTenant(Stringexpected,Stringactual){if(!Objects.equals(expected,actual)){thrownewCrossTenantAccessException();}}}在Memory Artifact Tool Replay边界都调用。看起来重复但安全边界重复检查是好事。七十、CrossTenant异常不能自动重试如果出现CrossTenantAccessException这不是临时故障。必须立即终止Run 触发Security Incident 冻结Evidence不要Retry 3 times七十一、异常响应也不要把另一个Tenant ID打进日志错误消息Expected tenant-a, found tenant-b对普通用户可能泄露租户标识。内部 Audit 可以保存完整。外部只返回RESOURCE_NOT_ACCESSIBLE七十二、Tenant Boundary事件publicrecordTenantSecurityEvent(StringeventId,StringrunId,StringtenantId,StringeventType,StringresourceHash,StringevidenceRef,InstantoccurredAt){}CriticalCROSS_TENANT_ATTEMPT CROSS_TENANT_CACHE_HIT CROSS_TENANT_MEMORY_HIT七十三、SLO联动上一期的 Safe Execution SLO 中加入CrossTenantAccess 0一旦触发Freeze Release Reduce Autonomy Increase Trace Sampling Start Incident自动联动。七十四、发布时做Tenant Boundary Diff新版本增加Shared Memory Global Search Cross-workspace Artifact属于高风险架构变化。Release Gate 要检测Data Boundary Change不是普通功能变更。七十五、Architecture Manifestagent:research-agentversion:v18memory:scope:tenantrag:collection:shared-filteredmandatory_filter:tenant_idsandbox:isolation:per-runartifact:scope:tenantcross_tenant:allowed:falseCandidate 和 Baseline 做 Diff。七十六、什么时候允许跨租户非常少。例如平台管理员做聚合匿名指标也不应该让 Agent 直接读所有租户原始数据。更合理预聚合 脱敏 Differential Privacy然后给 Agent 读聚合结果。七十七、Cross-tenant Analytics应该单独数据域Tenant Production Data ↓ Approved Aggregation Pipeline ↓ Anonymized Analytics Domain ↓ Analytics Agent不要让 Analytics Agent 带 Super Admin 去扫生产库。七十八、平台自己的运维Agent也要受限“内部Agent”最容易被给过宽权限。例如 Support Agent。建议默认看Metadata只有用户明确授权或 Support Ticket 才临时看 Tenant Data。七十九、Break Glass真正事故需要紧急访问publicrecordBreakGlassGrant(StringoperatorId,StringtenantId,StringincidentId,Stringreason,InstantexpiresAt,StringapprovedBy){}特点短TTL 高审计 强提醒 自动撤销八十、数据边界最终需要自动验证靠代码 Review“记得加tenant_id”一定会漏。所以 CI 里要跑CrossTenant Tests RAG Isolation Tests Memory Isolation Tests Artifact Access Tests Cache Key Tests八十一、一个简单Integration TestTestvoidtenantBCannotReadTenantAMemory(){createMemory(tenant-a,secret-a);TenantContextctxtenant(tenant-b);ListMemoryRecordresultmemoryService.search(ctx,secret);assertThat(result).isEmpty();}八十二、再做Property-based Test随机生成Tenant Resource Memory不变量任何Tenant 永远不能读取 其他Tenant对象Property Test 很适合安全隔离。八十三、上线检查清单□ Run创建必须有Signed Tenant Context □ tenant_id不来自Prompt □ DB表和Repository都显式Tenant □ 关键表启用RLS或等价控制 □ Vector Search在检索前过滤Tenant □ Chunk携带tenant_id □ Retrieval/Embedding Cache带Tenant Scope □ Memory有Tenant与Scope □ Tool检查Resource Ownership □ A2A委托不能修改Tenant □ Artifact继承Tenant ACL □ Sandbox至少单Tenant隔离 □ Trace/Log按Tenant过滤 □ Replay Fixture按Tenant鉴权 □ Eval Case保留来源与共享策略 □ 删除请求能传播到衍生数据 □ Model Routing遵守Tenant Residency □ Budget与并发按Tenant隔离 □ CrossTenant事件Zero Tolerance □ CI有自动CrossTenant回归 □ Break Glass短期、审批、全审计总结多租户 Agent 最危险的地方是越界不一定发生在数据库。它可能发生在Memory Vector Cache Tool Result Sandbox残留 Artifact Replay Eval Dataset所以 Tenant Isolation 不能只做在API SQL而必须贯穿整个 Agent Runtime。最核心的设计原则可以压成一句Tenant Context 必须像类型一样沿着整个执行链传播任何一层都不能把它降级成“可选字段”。只有做到这一点Agent 接入越来越多系统时自动化能力才不会同时放大数据泄漏半径。下一篇继续推进生产级Agent22策略即代码与Policy Simulation——让权限、风险和发布规则可以在上线前回放验证。