AI Agent 的失控邊緣：我們需要的不是更多工具，而是一個控制平面
隨著 AI Agent 與 MCP 工具的爆炸性成長，企業正迎來新一波的「影子 IT」危機。真正能將這股創新力量轉化為穩定企業能力的，並非無止盡地增加工具，而是建立一個集中化的 Agent 控制平面。本文以 AWS Agent Registry 為例，探討如何透過資源發現、核准分發與事件稽核等機制，將混亂的生態收斂為可治理、可信任的系統。
MCP 工具愈多，企業真正缺的愈不是另一個連接器，而是一個能管理發現、核准、授權與稽核的控制平面。只有把工具註冊與身份、政策、事件證據綁在一起，Agent 生態才不會變成無法追責的影子 IT。可用的企業 AI 必須有可驗證的入口與退出機制。
為什麼 AI Agent 的工具擴張會成為治理難題？
在許多組織中，開發團隊為了快速迭代，會自行封裝內部 API、資料庫存取權限，或串接第三方服務，並透過 MCP 標準將其註冊為 Agent 可用的「技能」（Skill）或「工具」（Tool）。這種模式在**初期**能激發大量創新，但當規模擴大時，問題便會浮現。未經審核的工具可能存在安全漏洞、包含過於寬鬆的權限，或處理敏感資料的方式不符合法規。這些散落在各處、缺乏統一管理的「野良 MCP」（Stray MCPs），就像過去未受控管的虛擬機或 SaaS 服務一樣，成為企業 IT 治理的死角。
這種混亂局面不僅帶來風險，也嚴重影響協作效率。當一個團隊開發出一個高品質的工具，其他團隊該如何安全地發現並使用它？當一個工具的 API 發生變更或被棄用時，我們如何確保所有依賴它的 Agent 都能順利過渡？如果沒有一個統一的註冊、發現與生命週期管理機制，每個團隊都將重複造輪，最終形成一個個難以維護的技術孤島。這不僅是技術債，更是組織信任的負債。
Agent 控制平面：從工具目錄到治理核心
要解決這個問題，我們需要借鏡雲端原生領域中「控制平面」的設計哲學。正如 Kubernetes 控制平面管理著容器的生命週期，或 Service Mesh 控制平面（如 Istio）管理著微服務之間的流量與政策，我們同樣需要一個 Agent 控制平面來集中管理 Agent 生態系中的所有資源。
這個控制平面並非要扼殺創新，而是要提供一個讓創新得以在安全、合規框架下茁壯成長的環境。近期 AWS 推出的一些服務雛形，例如在 Zenn 上由社群揭露的 Agent Registry 概念，便是一個很好的例證。它展示了一個理想的控制平面應該具備多項核心功能。
首先是**資源發現（Resource Discovery）**，它提供單一、可信的來源，讓 Agent 能查詢並找到所有「被核准」的工具與 MCP 伺服器。其次是**核准與分發（Approval & Distribution）**，這將資源的註冊（Governance Plane）與發現（Discovery Plane）分離，確保任何開發者雖可註冊新工具，但只有通過安全掃描、程式碼審查與合規檢查的工具，才會被發佈到「發現平面」供 Agent 使用。
此外，**身份綁定（Identity Binding）**是關鍵，它將每個工具與其擁有者、使用者（Agent 或人類）的身份進行綁定，為精細的權限控制與稽核奠定基礎，這需要與企業現有的身份驗證系統（如 IAM）深度整合。最後，**事件稽核與政策執行（Event Auditing & Policy Enforcement）**則確保所有關鍵操作，如工具註冊、核准、修改、存取，都留下不可變的稽核紀錄，同時控制平面應能自動化執行治理政策，例如強制要求所有新註冊的工具都必須通過自動化的安全測試。
如何將治理理念轉化為具體實踐？
以 AWS Agent Registry 的設計為例，我們可以看見一個清晰的實踐路徑。其核心在於「治理平面」與「發現平面」的解耦。開發者將新的 MCP 伺服器資訊提交到註冊表後，並不會立刻對所有 Agent 可見。這個提交動作會觸發一個事件，例如透過 AWS EventBridge。
這個設計的精妙之處在於，它將治理流程從被動的、人工的審查，轉變為主動的、自動化的工作流。治理不再是開發流程的終點，而是內建於其中的一個環節。
我們可以設計一個 EventBridge 規則，將此事件路由到一個 AWS Lambda 函數。該函數可以自動執行一系列檢查：例如，使用 Trivy 等開源工具掃描其容器映像檔是否存在已知漏洞；檢查其原始碼儲存庫是否遵循了組織的開發規範；驗證其 IAM 角色是否遵循了最小權限原則。只有當所有檢查都通過後，另一個 Lambda 函數才會更新該 MCP 伺服器在註冊表中的狀態為「已核准」（Approved），此時它才會出現在 Agent 的可發現清單中。整個過程可以在**幾分鐘內**自動完成，遠比傳統的工單審批流程高效且可靠。
隨著 AI Agent 在企業內部的應用日益深化，我們正處於一個關鍵的十字路口。我們可以放任工具生態野蠻生長，最終被複雜性與風險所吞噬；或者，我們可以從現在開始，有意識地設計並建立一個強健的 Agent 控制平面。這不僅是技術架構的選擇，更是關乎企業能否將 AI 從一個個分散的實驗，轉化為一個可長期信賴、可規模化、可治理的核心能力的戰略決策。工具的數量從來不是重點，如何駕馭它們才是。
我是江中喬，專注於 AI Agent Architecture、Memory Governance 與 Cognitive Diversity，持續研究如何打造能夠長期協作、可信任且可治理的 AI 系統。