"""基座验证探针:端到端触发 `ToolExecutor` 的四种拒绝分支。 **为什么专门做一个 Agent**:`ToolExecutor` 的四种拒绝(意图未配置工具白名单 / 工具不在 白名单 / 缺权限 / 角色不符)在真实链路上很难**安全**触发 —— 要么去改客服、风控的生效配置, 要么去动 RBAC,两条路都会影响正在工作的 Agent。用一个只读、无副作用的探针把这件事隔离出来。 **它不碰任何业务数据**:唯一的工具只回显调用方给的参数,不查库、不调模型、不写状态。 角色限定为 `admin`,意图只有 `probe` 一个。 用法见 `tools/verify_tool_executor_denials.py`:它按顺序调整探针的意图配置与工具白名单, 分别触发四种拒绝,最后把配置恢复到验证前的状态。 """ from typing import Any from pydantic import BaseModel, ConfigDict from app.core.contracts import ( AgentDefinition, AgentRequest, CoreResult, RequestContext, ) from app.service.agent.base import BaseAgent AGENT_TYPE = "platform_probe" INTENT_PROBE = "probe" PROBE_TOOL = "probe_echo" # 第二个探针工具。**存在的唯一理由**:让"工具不在白名单"这一分支可被触发。 # `governance.resolve` 取的是「发布白名单 ∩ 代码声明的 allowed_tools」,配置**只能缩小 # 不能放大**;所以 Agent 只有一个工具时,白名单要么为空、要么正好包含它, # 永远构造不出"有白名单、但不含被调用的那个工具"的场景——这是我做端到端验证时撞到的。 PROBE_ALT_TOOL = "probe_alt" PROBE_PERMISSION = "probe:read" class ProbeEchoArgs(BaseModel): """严格入参:探针不接收自由文本,避免被当成通用执行入口。""" model_config = ConfigDict(extra="forbid", frozen=True) note: str = "" async def probe_echo_tool(arguments: BaseModel, context: RequestContext) -> dict[str, Any]: """回显参数。**只读且无副作用** —— 不查库、不写状态、不调外部服务。""" note = getattr(arguments, "note", "") return {"echo": note, "trace_id": context.trace_id} async def probe_alt_tool(arguments: BaseModel, context: RequestContext) -> dict[str, Any]: """备用探针工具:只为让"工具不在白名单"的分支可被构造,与 probe_echo 同样只读。""" return {"alt": True, "trace_id": context.trace_id} class PlatformProbeAgent(BaseAgent): """基座探针:只用于验证工具链路的拒绝行为,不承载任何业务。""" definition = AgentDefinition( agent_type=AGENT_TYPE, version="1.0.0", allowed_roles=("admin",), allowed_portals=("api",), allowed_tools=(PROBE_TOOL, PROBE_ALT_TOOL), supported_intents=(INTENT_PROBE,), ) async def handle(self, request: AgentRequest, context: RequestContext) -> CoreResult: # 按消息里的 "alt" 决定调哪个探针工具。两个工具都必须可被指定调用: # 分支 2(工具不在白名单)要调白名单之外的那个,分支 4(角色不符)要调角色更窄的 # 那个——硬编码其中一个的话,这两个分支会互相干扰(实测踩到过)。 tool = PROBE_ALT_TOOL if "alt" in request.message.lower() else PROBE_TOOL output = await self.call_tool( tool, {"note": request.message[:50]}, intent=INTENT_PROBE, context=context, ) return CoreResult(text=f"probe ok: {output}", intent=self._classified_intent)