여러 에이전트 프레임워크를 사용할 때 권한 관리는 어떻게 하시나요?

우리는 결국 에이전트 프레임워크 외부에서 권한을 중앙 집중화했음. 안 그러면 똑같은 정책을 5번씩 다시 구현해야 하고 엣지 케이스를 놓치게 됨.

우리한테 효과적이었던 패턴은 단기적이고 범위가 제한된 토큰(도구별 + 작업별 + 환경별)을 발급하는 정책/가드레일 계층을 하나 두고, 모든 프레임워크(LangGraph, Agents SDK, CrewAI 등)가 그 게이트웨이를 통해 도구를 호출하게 하는 거임. 감사 로그나 '누가 뭘 했는지' 파악하기도 훨씬 쉬워짐.

정말 도움 됨, 고마워. 프레임워크마다 정책을 다시 구현하는 부분은 내가 딱 궁금해하던 워크플로우임.
그 중앙 정책 계층은 기존 솔루션을 못 찾아서 직접 만든 건지, 아니면 그냥 환경에 더 잘 맞아서 그런 건지 궁금함. 그리고 대략 에이전트나 프레임워크가 몇 개 정도 됐을 때 중앙 집중화할 가치가 생겼는지도 궁금함.

LLM 기반 가드레일은 권한이 아님.

이래서 플랫폼에 구애받지 않는 AI 제어 평면이 필요한 거임.

(우리 같은 거 말이야).

정책이 똑같아도 에이전트별로 자격 증명을 따로 둠. 우리 쪽에서 문제 터진 건 이거임: 런타임 3개가 API 키 하나를 공유하니까 제공업체 로그에서 누가 뭘 했는지 추적이 안 됨. 비용 급증했을 때 어떤 프레임워크의 재시도 로직 때문인지 찾아내는 데 몇 시간이나 걸렸음. 중앙 집중식 정책은 절반의 해답일 뿐이고, 나머지 절반은 귀속(attribution)임.