# Agent 职责越界检测 Agent 🛡️

**职责边界保护 Agent** - 专门负责检测 Agent 是否超出职责范围的 AI Agent。

## 功能特点

只做一件事：**判断一个 agent 是否开始"多管闲事"**

- 🎯 检测 Agent 是否超出职责范围
- 🔍 分析 Agent 的职责定义与实际行为
- ❌ 识别 Agent 是否在处理不属于自己的任务
- 🚫 判断 Agent 是否在"多管闲事"或越界操作
- 🛡️ 为多 agent 系统提供职责边界保护

## 快速开始

### 本地测试

```bash
cd agent_boundary_check_agent
pip install -r requirements.txt
python run_api_server.py
```

### 构建镜像

```bash
docker build -t agent-boundary-check-agent:latest .
```

## API 端点

### REST API

```bash
# 职责越界检测 API
curl -X POST http://localhost:8000/api/v1/check \
  -H "Content-Type: application/json" \
  -H "api-key: your-api-key" \
  -d '{
    "agent_name": "数据分析 Agent",
    "agent_defined_duty": "负责数据分析和报表生成",
    "agent_actual_behavior": "我正在帮用户写代码，因为数据分析需要一些代码支持",
    "current_task": "生成数据分析报告"
  }'
```

响应示例：
```json
{
  "success": true,
  "is_violation": true,
  "analysis": "该 Agent 明显超出了职责范围。数据分析 Agent 的职责是数据分析和报表生成，但实际行为是在写代码，这属于代码开发 Agent 的职责范围。虽然数据分析可能需要代码支持，但直接帮用户写代码已经超出了边界..."
}
```

### MCP 端点

| 端点 | 方法 | 说明 |
|------|------|------|
| `/mcp` | POST | MCP HTTP 端点 |
| `/mcp/sse` | GET | MCP SSE 连接 |
| `/mcp/sse` | POST | MCP SSE 请求 |

### MCP 工具

#### `check_boundary_violation` - 职责越界检测工具

检测 Agent 是否超出职责范围（是否"多管闲事"）。

**参数：**

| 参数 | 类型 | 必需 | 说明 |
|------|------|------|------|
| `agent_name` | string | 是 | Agent 的名称或标识 |
| `agent_defined_duty` | string | 是 | Agent 定义的职责范围（应该做什么） |
| `agent_actual_behavior` | string | 是 | Agent 的实际行为或输出（实际做了什么） |
| `current_task` | string | 否 | 当前正在处理的任务描述 |

**MCP 调用示例：**

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "check_boundary_violation",
    "arguments": {
      "agent_name": "文档整理 Agent",
      "agent_defined_duty": "负责文档的整理、分类和归档",
      "agent_actual_behavior": "我正在帮用户修改代码中的 bug，因为文档中提到了一些代码问题",
      "current_task": "整理项目文档"
    }
  }
}
```

## MCP 配置示例

在你的 MCP 客户端配置中添加：

```json
{
  "mcpServers": {
    "agent-boundary-check": {
      "url": "http://localhost:8000/mcp/sse",
      "transport": "sse"
    }
  }
}
```

## 项目结构

```
agent_boundary_check_agent/
├── Dockerfile
├── README.md
├── requirements.txt
├── run_api_server.py      # 启动脚本
└── src/
    ├── __init__.py
    └── server/
        ├── __init__.py
        ├── api_server.py   # FastAPI + MCP HTTP
        └── mcp_server.py   # MCP 工具定义
```

## 环境变量

| 变量 | 必需 | 说明 |
|------|------|------|
| OPENAI_BASE_URL | 否 | LLM API Base URL |
| OPENAI_API_KEY | 否 | API Key（可通过请求头传递） |
| MODEL_NAME | 否 | 模型名称，默认 taiji/gpt-4o-mini |
| API_PORT | 否 | 端口，默认 8000 |

## 注册到 Agent Manager

在 `k8s_manager.py` 中添加：

```python
# TEMPLATE_PORTS
"agent_boundary_check": 8000,

# image_map
"agent_boundary_check": "agnettaiji.azurecr.io/ai-agents/agent-boundary-check-agent:latest",
```

在 `app.py` 的 `valid_templates` 中添加 `"agent_boundary_check"`。

## 使用场景

- 🏢 **多 Agent 系统**：确保每个 Agent 专注于自己的职责
- 🔄 **工作流管理**：在 Agent 协作流程中检测职责混乱
- 🎯 **职责审计**：定期检查 Agent 是否偏离原始职责
- 🛡️ **系统保护**：防止 Agent 越界操作导致系统混乱
- 📊 **职责监控**：实时监控 Agent 行为是否符合职责定义

## 检测维度

- **职责匹配度**：Agent 的行为是否与定义的职责一致
- **任务相关性**：当前任务是否属于该 Agent 的职责范围
- **越界行为**：是否在处理其他 Agent 应该处理的任务
- **职责边界**：是否清晰地区分了"该做"和"不该做"的事情