# Open Agent Auth
[English](README.md) | **中文**
企业级 AI 智能体操作授权框架
[快速开始](#快速开始) · [架构](#架构) · [安全机制](#安全机制) · [文档资源](#文档资源) · [路线图](#路线图)
---
## 概述
Open Agent Auth 是一款企业级授权框架，为代表用户执行操作的 AI 智能体提供密码学身份绑定、细粒度授权、请求级隔离与语义审计追踪能力。**该框架构建了一个协作生态系统，人类、智能体与资源提供方以平等伙伴的身份，在相互信任与问责机制下共同协作**。
本框架基于 [IETF 草案：智能体操作授权（draft-liu-agent-operation-authorization-00）](https://github.com/maxpassion/IETF-Agent-Operation-Authorization-draft/blob/main/draft-liu-agent-operation-authorization-00.xml) 标准实现并对其进行扩展，融合 OAuth 2.0、OpenID Connect、WIMSE、W3C VC 等行业标准协议，并集成模型上下文协议（MCP），确保智能体执行的每一项操作均可追溯至明确的用户授权。
### 项目状态
**Open Agent Auth 处于公开 Beta 测试阶段** — 功能完整、持续演进，现已开放探索。
核心功能已就绪，API 逐步稳定，您的反馈将持续推动我们迈向 1.0.0 版本。我们快速发布、快速迭代，并在 [路线图](#路线图) 中公开追踪所有进展。
- ✅ 个人项目、原型开发、内部工具 — **可直接采用**
- ✅ 评估未来生产环境部署 — **最佳时机**
- ⏳ 关键业务生产环境 — **1.0.0 正式版本即将发布**
为关注我们的进展，请为仓库点 ⭐，或查阅 [贡献指南](CONTRIBUTING.md) 助力我们达成目标。
### 为什么选择 Open Agent Auth？
当 AI 智能体代表用户执行操作时，传统授权机制面临以下关键挑战：
- **身份模糊性**：如何证明操作确由真实用户发起？
- **授权灵活性不足**：如何为多样化的智能体操作实现细粒度权限管控？
- **隔离机制缺失**：如何避免单个请求对其他请求产生影响？
- **审计追踪缺失**：如何实现从用户输入到资源访问的全链路追踪？
Open Agent Auth 通过以下方案应对上述挑战：
| 挑战 | 传统方案 | Open Agent Auth 解决方案 |
|------|----------|--------------------------|
| 身份绑定 | 单层认证 | 三层密码学绑定（用户-工作负载-令牌） |
| 授权管控 | 粗粒度权限 | 支持动态策略评估的细粒度权限管理 |
| 工作负载隔离 | 进程或容器级别 | 基于临时密钥的请求级虚拟工作负载 |
| 审计追踪 | 基础操作日志 | 基于 W3C VC 的语义审计与完整上下文 |
### 核心特性
- **🔐 WIMSE 工作负载身份模式**：遵循 [draft-ietf-wimse-workload-creds](https://datatracker.ietf.org/doc/draft-ietf-wimse-workload-creds/) 标准，基于临时密钥对实现请求级隔离
- **🔗 密码学身份绑定**：通过三层绑定机制（ID Token → WIT → AOAT）实现端到端身份一致性
- **📝 语义审计追踪**：基于 W3C VC 可验证凭证，记录从用户输入到资源操作的完整上下文
- **🎯 动态策略注册**：支持运行时更新 OPA、RAM、ACL 策略，无需服务重启
- **🛡️ 多层验证机制**：在每个访问点实施全面的安全验证
- **🌐 标准协议集成**：基于 OAuth 2.0、OIDC、WIMSE、MCP 等标准协议构建，易于集成
---
## 快速开始
在 **5 分钟内**快速启动 Open Agent Auth。
### 前置条件
- **Java 17+**
- **Maven 3.6+**
### 运行示例程序
示例程序提供两种启动方式：
#### 方式一：使用模拟 LLM（快速开始）
```bash
# 克隆并构建
git clone https://github.com/alibaba/open-agent-auth.git
cd open-agent-auth
mvn clean package -DskipTests
# 使用模拟 LLM 启动所有服务
cd open-agent-auth-samples
./scripts/sample-start.sh --profile mock-llm
# 访问智能体界面
open http://localhost:8081
```
> **注意**：模拟 LLM 使用关键词匹配。关于可用产品和匹配规则，请参阅 [模拟 LLM 使用指南](docs/guide/02-mock-llm-guide.md)。
#### 方式二：使用 QwenCode（深度体验）
示例程序集成了 [qwencode-sdk](https://github.com/QwenLM/qwen-code/blob/main/packages/sdk-java/qwencode/README.md)，可直接集成 QwenCode 提供深度体验。
**使用 QwenCode：**
1. **安装 QwenCode**
请参考安装指南：[QwenCode 文档](https://qwenlm.github.io/qwen-code-docs/zh/users/overview)
2. **启动示例程序**
安装 QwenCode 后，直接启动服务（无需参数）：
```bash
# 克隆并构建
git clone https://github.com/alibaba/open-agent-auth.git
cd open-agent-auth
mvn clean package -DskipTests
# 启动所有服务（集成 QwenCode）
cd open-agent-auth-samples
./scripts/sample-start.sh
# 访问智能体界面
open http://localhost:8081
```
**注意：** 使用此方式前请确保 QwenCode 已正确安装并配置。如遇到问题，可使用方式一（模拟 LLM）进行快速测试。
**演示流程**
以下截图展示了使用 **方式一（模拟 LLM）** 时的授权流程。方式二（QwenCode）的流程相同，只是由真实的 LLM 提供响应。
以下截图展示了完整的授权流程，包括用户认证、智能体操作授权及响应交付：
