mTLS для MCP: когда взаимный TLS сильнее OAuth и как его внедрить
mTLS выносит секрет из header в handshake: 4 шага, когда стоит и когда нет, ротация и сочетании с OAuth для multi-tenant MCP — по спекам 2025-11-25/2026-07-28.
Песочница для AI-агентов: gVisor vs Firecracker vs Kata — как изолировать код
Docker недостаточно для LLM-кода: 4 уровня изоляции (Docker, gVisor, Firecracker, Wasm), таблица boot/memory и Kubernetes agent-sandbox — как выбрать за 5 минут.
SOC 2 для AI-агентов: как пройти аудит когда часть работы делают агенты
SOC 2 не знает что такое агент, но спрашивает про контроли. 5 evidence для CC6.1/7.2/9.2, частые провалы и чеклист readiness.
UEBA для AI-агентов: как ловить аномалии поведения, а не только события
От UEBA к AEBA: baseline 24h/90d, peer-group, deviation score и 5 слоёв правил IETF AEBA — как научить SIEM видеть drift агента.
A2A vs MCP: чем отличаются протоколы для AI-агентов и как их сочетать
Разбираем A2A и MCP: один — агент к инструментам, второй — агент к агенту. Таблица по 6 критериям, архитектура вместе и чеклист когда что выбирать.
Governance флота AI-агентов: политики, квоты и жизненный цикл в enterprise
Как управлять флотом из сотен AI-агентов: инвентарь, владелец, policy as code, квоты и жизненный цикл create→review→revoke. Модель зрелости и RACI для enterprise.
Non-human identity для AI-агентов: как выдавать, ограничивать и отзывать доступ
Что такое NHI для AI-агентов и чем она отличается от human identity: масштаб 45:1, 4 провала жизненного цикла, кейс с утечкой OAuth-токенов и модель short-lived доступа.
Безопасный RAG для AI-агентов: как не отдать лишнее на уровне чанка
5 точек утечки RAG с агентами: права до retrieval, минимизация контекста, шифрование векторов, защита от poisoning и аудит. Чеклист и архитектура по ФСТЭК 117 и 152-ФЗ.
EU AI Act для AI-агентов: что требует закон в 2026–2028
Применяется ли EU AI Act к вашим агентам: 4 уровня риска, provider vs deployer, 6 блоков governance и сдвинутые дедлайны Omnibus до 2027–2028.
JIT-доступ для AI-агентов: как убрать standing privilege
Что такое Zero Standing Privilege для агентов: 4 паттерна JIT, 6 вопросов перед грантом и почему долгоживущие токены — главный риск флота.
MCP-шлюз: зачем нужен gateway между AI-агентами и корпоративными инструментами
Что такое MCP gateway и чем он отличается от API gateway: two-plane архитектура, 6 шагов запроса, filtered discovery и как собрать хаос MCP-серверов в один управляемый шлюз.
Supply chain MCP-серверов: как проверять чужой MCP до подключения
MCP как исполняемый supply chain: 3 класса атак через чужой сервер, почему сканеры пропускают и чеклист из 6 проверок до tools/list — с непрерывным мониторингом описаний.
Ротация секретов для AI-агентов: как автоматизировать без даунтайма
Key sprawl 60 ключей из 5 провайдеров: как убрать секреты из кода, централизовать в Vault и настроить 48-часовую overlap-ротацию с runbook отзыва.
SIEM для AI-агентов: как связать аудит агентов с SOC
Как завести аудит AI-агентов в SIEM: 5 полей обязательного лога, pipeline через OpenTelemetry, 3 детекции и ретеншен по Article 12 — без утопания в объеме.
Контекст для AI-агента: почему длинный контекст «тупит» и как им управлять
Context engineering: контекст-рот, подгрузка just-in-time, компрессия и агентная память. Как отдать агенту минимум высокосигнальных токенов и не утечь лишних данных.
Доступ AI-агента к базе данных: как дать без риска DROP и утечки
Как дать AI-агенту доступ к БД безопасно: read-only по умолчанию, узкие представления, маскирование PII до контекста, лимиты и аудит каждого запроса.
Жизненный цикл AI-агента: от онбординга до отзыва доступа
Как управлять жизненным циклом AI-агента как сотрудником: онбординг через каталог, ротация секретов, scope upgrade и офбординг без висячих токенов.
Observability и аудит AI-агентов: как понять, что агент делает
Audit и observability агентов — почему это разные уровни. Что логировать для безопасности (кто, что, какие данные) и что трейсить для производительности. Журнал вызовов как общее ядро.
Централизованное хранение секретов для AI-агентов: Vault вместо конфигов на ноутбуках
Как централизовать секреты для AI-агентов: Vault-шлюз, dynamic tokens, ротация и отзыв в одном месте. Агент вызывает систему без знания токена, секрет не попадает в контекст.
AI-агент или API: когда задача вообще оправдывает агента
Decision-фреймворк: workflow, API-интеграция и агент — чем отличаются и когда что выбирать. Как автономный агент меняет права и риски и когда его не стоит внедрять.
AgentOps: как эксплуатировать AI-агентов в проде без сюрпризов
AgentOps для AI-агентов в проде: SLO, трассировка и журнал, runbook, graceful degradation и incident response. Как сделать агента наблюдаемым и управляемым.
152-ФЗ для AI-агентов: как обрабатывать ПДн и не нарушить
Как сделать AI-агентов совместимыми с 152-ФЗ: локализация ПДн в РФ, согласие и цели, минимизация данных и аудит как evidence. Что хранить и как доказать.
Какие данные отдавать AI-агенту: классификация перед подключением
Фреймворк классификации корпоративных данных для AI-агентов: что отдавать всегда, выборочно и никогда. Как из меток сделать исполнимые политики доступа без ручного согласования.
DLP для AI-агентов: как не дать промпту унести данные
Почему обычный DLP не видит утечки через AI и как AI DLP инспектирует промпты и ответы на HTTP-границе: allow, redact, route, block с аудитом по identity.
Инцидент-респонс для AI-агентов: playbook от фиксации до предотвращения повтора
Playbook инцидент-респонса для AI-агентов: как фиксировать trace_id, расследовать по журналу, отзывать scope и добавлять кейс в golden-набор. 5 шагов чтобы не повторить.
Авторизация MCP: OAuth 2.1, PKCE и как не отдать чужой токен
Как работает авторизация MCP по спеке 2026: OAuth 2.1 + PKCE, Protected Resource Metadata, Resource Indicators и audience. Почему token passthrough — главный антипаттерн.
Каталог MCP-инструментов в компании: как не превратить 30 серверов в зоопарк
Как построить внутренний каталог MCP-инструментов: что хранить в записи, как версионировать, защита от rug pull через hash описаний, владелец и аудит использования.
Безопасность многоагентных AI-систем: один скомпрометированный агент не должен тянуть всех
Multi-agent безопасность: изоляция контекста субагентов, разделение прав оркестратора, наименьшие привилегии и аудит. Как взлом одного агента не превратить во взлом всех.
On-prem AI-агенты: когда облако не подходит и как не потерять управление
Когда выбирать on-prem для AI-агентов: 152-ФЗ, data residency, air-gapped. Как сохранить права, аудит и DLP внутри периметра без выхода данных в облако.
Теневой ИИ: как найти несанкционированные AI-инструменты и взять их под контроль
Что такое shadow AI и как его обнаружить: 3.2x больше инструментов чем в реестре, 77% пастят в промпты. Почему запрет не работает и как закрыть дыру санкционированным путём.
Сколько стоят AI-агенты: из чего складывается TCO и как считать ROI
TCO AI-агента — не только токены: контекст, права, аудит, сопровождение. Разбор стоимости, где теряются деньги и как считать ROI внедрения без маркетинга.
Как тестировать AI-агентов: eval-наборы, метрики и ловушки
Практичный подход к тестированию AI-агентов: golden-наборы, метрики качества и стоимости, как отличить регрессию от шума и не пустить PII в прод. Eval как CI для агентов.
Tool poisoning: как отравляют описания инструментов и как защититься
Что такое tool poisoning в MCP: как вредоносное описание заставляет агента слить данные. Защита — каталог с hash описаний, валидация и DLP на tool-вызовах.
Zero Trust для AI-агентов: никогда не доверяй агенту и его выводу
Как применить Zero Trust к AI-агентам: identity на каждый вызов, проверка audience и scope, микросегментация и DLP на каждом шаге. Периметр не работает — работает шлюз.
Human-in-the-loop для AI-агентов: что отдавать на подтверждение
Какие действия AI-агента требуют подтверждения человека: матрица рисков, антипаттерны approval flow и подтверждение как часть контроля доступа.
Как подключать сторонние MCP-серверы без риска для компании
Практический чек-лист: tool poisoning и rug pull атаки на MCP-серверы, проверка перед подключением, реестр одобренных серверов и шлюз с аудит.
Права доступа для AI-агентов: меньше, чем у сотрудника
Как выдавать права AI-агентам: отдельная identity, on-behalf-of вызовы и минимальные привилегии по операциям вместо общего сервисного токена.
Prompt injection у AI-агентов: почему фильтры не спасают
Почему косвенная prompt-инъекция обходит фильтры и что реально ограничивает последствия: изоляция, узкие инструменты, права агента и аудит вызовов.
Как внедрить AI-агентов в компании: план без хаоса
Практический план внедрения AI-агентов: выбор первого сценария, identity и права агента, границы автономии, аудит и масштабирование через платформу доступа.
Как автоматизировать протоколы встреч с помощью MCP и AI-агентов
Практическая схема: запись и транскрибация встреч, проверка решений, задачи через MCP и AI-агентов — без ручного переноса между системами.
Зачем ИИ-агентам слой доступа
Как безопасно дать агентам доступ к коду, задачам и документам без личных токенов на ноутбуках.
Что такое MCP и зачем он нужен
Разбираем Model Context Protocol: как MCP подключает AI-агентов к данным, инструментам и корпоративным системам без хаоса интеграций.
Новости LLM за неделю: Opus 5, Gemini 3.6 и агенты в продакшене
Главные новости LLM 21–28 июля 2026 года: Claude Opus 5, новые Gemini, OpenAI Presence и уроки инцидента с AI-агентом.
MCP или CLI для AI-агентов: плюсы, минусы и выбор
Сравниваем MCP и CLI для AI-агентов: контекст, скорость, безопасность, права и аудит. Практическая матрица выбора для корпоративной инфраструктуры.
Аудит действий агента
Что нужно логировать, чтобы действия ИИ-агента были понятны команде безопасности и разработчикам.
MCP без локальных секретов
Почему MCP-инструменты удобнее подключать через управляемый шлюз, а не через токены в локальных конфигурациях.
Материалов по выбранным условиям пока нет.