在企业加速部署AI智能体的背景下，身份认证、授权与安全问题正成为制约其规模化落地的关键瓶颈。Sahil Agarwal在一期播客节目中，围绕AI智能体时代面临的身份与安全挑战展开讨论，并提出了DPACT框架，试图为构建负责任的智能体系统提供一套可参照的设计蓝图。
DPACT框架由五个核心要素构成：委托（Delegation）、策略（Policy）、可审计性（Auditability）、上下文（Context）和时间（Time）。Agarwal指出，当前多数系统仍依赖简单的基于令牌的访问机制，这种方式在智能体自主执行任务的场景下存在明显缺陷。随着智能体被赋予更多操作权限，传统的静态令牌难以准确反映权限的边界与时效，容易造成权限滥用或越权访问。
该框架主张从简单的令牌访问模式，转向有边界的委托授权。具体而言，委托机制要求明确智能体代表谁执行操作，以及权限的传递链路；策略层则负责定义智能体可以执行和不可以执行的操作范围；可审计性确保每一次智能体行为都可被追溯和审查；上下文要素强调授权决策需要结合具体场景信息；时间维度则对权限的有效期和时效性作出约束。
这一框架的提出，反映出企业服务领域对AI智能体治理的关注正在从功能实现转向安全与合规。随着大模型驱动的智能体逐步进入企业工作流，如何在赋予其自主能力的同时保持可控性，已成为企业软件厂商和平台方需要回答的问题。身份与授权体系作为智能体运行的基础设施，其设计质量直接影响企业能否放心将关键业务流程交由智能体处理。
从行业影响来看，DPACT框架为智能体安全提供了一个结构化的思考路径，但其落地仍需依赖具体的身份管理、策略引擎和审计工具的支持。对于正在构建智能体平台的企业而言，如何在技术栈中实现委托授权、策略执行与全链路审计的协同，将是下一阶段的重要课题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
