Blank white background with no objects or features visible.

Hallo EMEA! TrueFoundry baut seine Präsenz in Europa, dem Nahen Osten und Afrika weiter aus. Mehr erfahren. →

Graph-Engineering für KI-Agenten: Verbindungen steuern

von Boyu Wang

Aktualisiert: November 3, 2026

Published: August 22, 2026

Unternehmen steuern folgenschwere Arbeiten nicht, indem sie versuchen, jeden Gedanken jedes Mitarbeiters, Dienstes oder Anbieters zu überprüfen. Sie steuern die Schnittstellen rund um diese Arbeit: Welche Systeme erreicht werden können, welche Aktionen einen zweiten Genehmiger benötigen, welche Anmeldeinformationen verwendet werden dürfen, wie viel ausgegeben werden kann, welche Informationen eine Grenze überschreiten dürfen und welche Aufzeichnungen danach erhalten bleiben. KI-Agenten benötigen denselben institutionellen Instinkt — mit einer wichtigen Ergänzung. Modelle müssen weiterhin evaluiert werden. Tests und Überwachung zeigen Ihnen, wie sich eine Komponente unter definierten Bedingungen verhält; Laufzeit-Steuerungen (Runtime Controls) bestimmen, was diese Komponente tun darf, wenn sie mit Produktionssystemen verbunden ist.

Diese Unterscheidung ist die nützlichste Möglichkeit, über Graph-Engineering nachzudenken. Der Begriff setzt sich gerade erst durch, aber das Engineering-Problem ist bereits konkret: Eine Agenten-Landschaft (Agent Estate) ist ein Graph aus Modellen, Tools, Diensten, Datenquellen, Sandboxes, Menschen und anderen Agenten. Jede folgenschwere Kante trägt Autorität. Die Aufgabe des Unternehmens besteht nicht darin, sich zwischen der Evaluierung des Knotens und der Steuerung des Graphen zu entscheiden. Sie besteht darin, beides zu tun — und zu wissen, welche Schicht für welche Steuerung verantwortlich ist.

Wichtigste Erkenntnisse

Wichtigste Erkenntnisse

  • Evaluieren Sie den Knoten; steuern Sie die Kanten. Modell-/System-Evaluierung und Laufzeit-Zugriffskontrolle lösen unterschiedliche Probleme und sollten gemeinsam konzipiert werden.
  • Erreichbarkeit ist keine Autorisierung. Das Ausblenden oder Verzögern eines Tools kann den Kontext reduzieren und versehentliche Auswahlen verhindern; eine Richtliniengrenze muss dennoch entscheiden, ob der Aufrufer es ausführen darf.
  • Der entworfene Graph und der ausgeführte Graph sind unterschiedliche Objekte. Architekturdiagramme zeigen die Absicht; Harness-Ereignisse, Gateway-Traces, IAM-Datensätze und nachgelagerte Logs liefern den Ausführungsnachweis.
  • TrueForge ist die offene Ausführungsschleifen-Schicht (Execution-Loop Layer). Sein öffentliches Repo dokumentiert MCP-Tools, Skills, Sandboxing, menschliche Kontrollpunkte, Kontextmanagement, Sitzungsstatus sowie lokalen und gehosteten Betrieb unter der MIT-Lizenz.
  • TrueFoundry fügt die Richtlinienebene auf Landschaftsebene hinzu. AI Gateway und MCP Gateway zentralisieren Modell-/Tool-Zugriffe, Anmeldeinformationen, Budgets, Rate-Limits und gateway-visible Observability für den darüber gerouteten Verkehr.
  • Keine einzelne Schicht sieht alles. Der Orchestrator besitzt die Topologie; der Harness sieht die von ihm ausgeführten Schritte; das Gateway sieht den durch ihn fließenden Verkehr; nachgelagerte Systeme bleiben maßgeblich für ihre eigenen Seiteneffekte.

1. Evaluieren Sie den Knoten; steuern Sie die Kanten

Es ist verlockend, Agenten-Governance als Reaktion auf die Undurchsichtigkeit von Modellen darzustellen: Da das Modell intern schwer zu überprüfen ist, steuern Sie nur die Schnittstellen. Das geht zu weit. Das AI Risk Management Framework des NIST fordert eine Evaluierung unter einsatznahen Bedingungen vor der Nutzung sowie eine Überwachung des KI-Systemverhaltens in der Produktion; die Agenten-Sicherheitsrichtlinie von OWASP kombiniert adversariale Tests mit dem Prinzip der geringsten Rechte (Least Privilege), Autorisierung, Genehmigungen, Protokollierung und Überwachung. Die ausgereifte Haltung ist daher komplementär: Evaluierung schätzt das Verhalten; Kanten-Richtlinien begrenzen die Autorität.

Hinweis zur Kanten-Richtlinie
Eine Modell-Evaluierung kann Ihnen sagen, was ein Agent dazu neigt zu tun. Eine Kanten-Richtlinie kann einschränken, was er erreichen, ausgeben, offenlegen oder ändern darf.

Die institutionelle Analogie wird nützlich, sobald sie auf diese Weise abgegrenzt ist. Ein Finanzteam verlässt sich nicht allein auf das Urteil eines Mitarbeiters; es beschränkt auch den Kontozugriff und verlangt Gegenzeichnungen. Ein Produktionsagent sollte sich nicht allein auf Prompt-Anweisungen verlassen; seine Laufzeit und Gateways sollten sensible Grenzen explizit und durchsetzbar machen. Die Analogie ist nicht wörtlich gemeint — Menschen und Modelle sind nicht dieselbe Art von Akteuren —, aber die Steuerungsziele stimmen überraschend gut überein.

Mapping-Tabelle für institutionelle Kontrollen
Institutionelle Kontrolle Übersetzung für die Agenten-Landschaft Durchsetzungs- / Nachweisschicht
Zugriffsüberprüfung Erreichbarkeit + Autorisierung: Welche Modelle, Tools und Systeme ein Agent tatsächlich aufrufen darf TrueForge-Ressourcenbindung/-erkennung grenzt ein, was die Laufzeit präsentiert; die Autorisierung muss für über das Gateway gerouteten Verkehr weiterhin durch die Anwendung oder die TrueFoundry AI/MCP Gateway-Richtlinie durchgesetzt werden.
Gegenzeichnung Menschlicher Kontrollpunkt vor einer konfigurierten sensiblen oder destruktiven Aktion TrueForge menschliche Kontrollpunkte; zusätzliche Anwendungsrichtlinien können Genehmigungsanforderungen an anderen Grenzen hinzufügen.
Need-to-know-Briefing Begrenzte Kontextübertragung anstelle des Kopierens jedes Zwischenartefakts in jeden Agenten TrueForge-Subagenten, verzögertes Laden von Tools, Auslagerung großer Ergebnisse und Kompaktierung
Clean-Room- / Anmeldedaten-Richtlinie Generierten Code und Ausführungsumgebungen von Harness-Anmeldeinformationen fernhalten TrueForge Sandbox-as-a-Tool; Secrets verbleiben im Harness
Ausgabenbefugnis Kostenlimits nach Benutzer, Team, Modell, virtuellem Konto oder metadatendefinierter Arbeitslast TrueFoundry AI Gateway Budgetregeln
Audit-Trail Rekonstruieren Sie die Schritte und gateway-sichtbaren Aufrufe, die eine folgenschwere Aktion ausgeführt haben TrueForge-Sitzungen/Ereignisse plus TrueFoundry-Traces, Metriken und nachgelagerte System-of-Record-Logs
Mirror diagram comparing institutional governance controls with AI agent edge controls: counter-signature to approval gate, access scope to reachability and authorization, summary transfer to bounded transfer, and audit trail to runtime evidence.
Abbildung 1: Die institutionelle Analogie, korrigiert für die KI-Grenze. Menschliche Steuerungen lassen sich nicht eins zu eins auf Software übertragen, aber die Steuerungsziele ähneln sich: Zugriff beschränken, Konsequenzen regulieren, Übertragungen begrenzen und Nachweise aufbewahren. Die fehlende Hälfte ist unten explizit dargestellt: Evaluieren Sie den Knoten; steuern Sie die Kanten. Editorial-Synthese von TrueFoundry; originales PNG.

Erkennung ist keine Sicherheitsgrenze

Diese Unterscheidung ist besonders wichtig für die Tool-Erkennung (Tool Discovery). TrueForge dokumentiert das verzögerte Laden von Tools und andere Kontext-Engineering-Mechanismen, die den aktiven Kontext kleiner halten. Das kann die Auswahlqualität verbessern und unnötige Exposition gegenüber Tool-Schemas reduzieren. Es autorisiert den Aufruf jedoch nicht von selbst. Autorisierung auf Landschaftsebene gehört in eine Zugriffskontrollschicht, die den Aufrufer auflöst und Richtlinien anwendet. Die AI Gateway Zugriffskontrollen von TrueFoundry steuern den Modellzugriff für Benutzer, Teams und Anwendungen; das MCP Gateway Authentifizierungs- und Sicherheitsmodell löst eingehende Identitäten, Tool-/Server-Berechtigungen und nachgelagerte Anmeldeinformationen separat auf.

2. Entworfene Graphen und ausgeführte Graphen sind unterschiedliche Objekte

Ein Architekturdiagramm ist eine Absichtserklärung. Ein Produktionsnachweis ist eine Aufzeichnung dessen, was das instrumentierte System tatsächlich beobachtet hat. Die beiden weichen aus gewöhnlichen Gründen voneinander ab: Ein Prototyp-Tool bleibt eingebunden, eine Fallback-Route wird aktiviert, eine delegierte Aufgabe verzweigt sich, eine OAuth-Freigabe ändert sich oder ein Agent nimmt einen Pfad, den der Autor des Diagramms nicht erwartet hat. In dieser Lücke wird die Graph-Governance operational statt architektonisch.

Diagram comparing an intended AI-agent graph with an executed graph reconstructed from runtime evidence, showing design-time intent on the left and run-time behavior on the right.
Abbildung 2: Eine einfache Möglichkeit, die beiden Objekte zu unterscheiden. Der entworfene Graph ist die von Ihnen beabsichtigte Architektur; der ausgeführte Graph ist der Pfad, den der Durchlauf tatsächlich genutzt hat, rekonstruiert aus Laufzeitnachweisen wie Harness-Ereignissen, Genehmigungen, Gateway-Traces und nachgelagerten Audit-Datensätzen. Editorial-Synthese von TrueFoundry; originale Grafik.

Aber die Aussage „Der tatsächliche Graph befindet sich in den Traces“ ist ebenfalls zu einfach. Keine einzelne Trace-Quelle ist automatisch vollständig. Eine nützliche Rekonstruktion kombiniert die Nachweise, die jede Schicht besitzt:

  • Orchestrator: Graphtopologie, Knotenzustand, Routing, Wiederholungsversuche (Retries), Joins und Delegierungsentscheidungen.
  • Harness: Modell-/Tool-Schleifenschritte, Sandbox-Nutzung, Genehmigungskontrollpunkte, Sitzungsstatus und für die Laufzeit sichtbare Ereignisse.
  • Gateway: Authentifizierte Modell-/MCP-Aufrufe, Ergebnisse von Zugriffsrichtlinien, Budgets/Rate-Limits, Latenz, Kosten und gateway-sichtbare Anforderungs-Traces.
  • Nachgelagerte Systeme: Maßgebliche Aufzeichnungen geschäftlicher Seiteneffekte — die tatsächlich erfolgte Datenbankänderung, Ticket-Aktualisierung, Zahlung, Bereitstellung oder Berechtigungsänderung.
TrueForge user interface showing an agent steps panel with reasoning-step entries, tool calls, and a sub-agent during a run.
Abbildung 3: Eine Laufzeitansicht ausgeführter Kanten. Die TrueForge-Benutzeroberfläche zeigt die für den Harness sichtbaren Schritte — einschließlich Einträgen zu Denksschritten, Tool-Aufrufen und einem in diesem Durchlauf erzeugten Subagenten. Es ist ein Nachweis aus einer Schicht, keine Behauptung, dass der Harness allein jeden nachgelagerten Seiteneffekt aufzeichnet. Quellbild aus TrueForge-Produktmaterial; in PNG konvertiert.

Die richtige Audit-Frage lautet daher nicht „Entspricht der Trace dem Diagramm?“, sondern „Können wir die beabsichtigte Topologie mit genügend Laufzeit- und System-of-Record-Nachweisen korrelieren, um eine folgenschwere Aktion zu erklären?“ Das ist eine viel höhere Hürde — und eine nützlichere.

3. TrueForge: Halten Sie die Ausführungsschleife überprüfbar

Auf der Harness-Schicht lautet die Governance-Frage, ob Betriebsentscheidungen rund um das Modell sichtbar und konfigurierbar sind. Das öffentliche Repository von TrueForge beschreibt die Laufzeit klar: Es führt die Ausführungsschleife des Agenten über Modellaufrufe, MCP-Tools, Skills, Sandboxing, Genehmigungen, Kontextmanagement und Sitzungsstatus aus. Dasselbe Repo dokumentiert Sandbox-as-a-Tool mit im Harness verbleibenden Secrets, menschlichen Kontrollpunkten, Subagenten, verzögertem Laden von Tools, Auslagerung großer Ergebnisse, Kompaktierung sowie sowohl lokale als auch gehostete Modi. Das Repository positioniert den lokalen Modus explizit als Evaluierungspfad für einen einzelnen Rechner, nicht als Produktions- oder internetfähiges Setup; die geteilte oder produktive Nutzung gehört in den gehosteten Modus. Es ist unter der MIT-Lizenz veröffentlicht.

Diese Offenheit ist aus einem Governance-Grund nützlich, nicht nur aus einem Lizenzierungsgrund. Die Verfügbarkeit des Quellcodes ermöglicht Überprüfungen und Anpassungen auf Implementierungsebene. Sie beweist nicht, dass eine bereitgestellte Instanz sicher oder korrekt konfiguriert ist oder einem bestimmten Commit entspricht; dafür sind weiterhin Software-Lieferketten- und Betriebskontrollen erforderlich. Aber sie gibt Plattform-Teams etwas, was geschlossene Laufzeiten nicht bieten können: Die Möglichkeit, die Ausführungsmaschinerie zu überprüfen, der sie vertrauen sollen, und sie bei Bedarf selbst auszuführen oder anzupassen. Der Launch-Post von TrueFoundry, Introducing TrueForge, macht diese Positionierung explizit, und Why Agent Harnesses Should Be Open benennt den kommerziellen Kompromiss direkt: Halten Sie den Harness offen; fügen Sie zentralisierte Governance hinzu, wenn die Organisation sie tatsächlich benötigt.

Der beste Weg, TrueForge zu bewerben, besteht nicht darin, zu behaupten, dass es den gesamten Graphen besitzt. Das tut es nicht. Ein beliebiger Multi-Agenten-Orchestrator besitzt möglicherweise die Topologie oberhalb des Harness, und verbundene Systeme behalten ihre eigenen Autorisierungs- und Audit-Semantiken. Die Rolle von TrueForge ist enger und glaubwürdiger: Machen Sie die Ausführungsschleife an der Laufzeitgrenze überprüfbar, portabel und steuerbar.

4. TrueFoundry: Fügen Sie die Richtlinienebene hinzu, wenn die Landschaft zu einer Flotte wird

Ein einzelner Harness kann seine eigene Ausführung verwalten. Eine Landschaft von Agenten erzeugt ein zweites Problem: Anmeldeinformationen, Zugriffsrichtlinien, Ausgabenkontrollen und Nachweise beginnen über Teams hinweg zu fragmentieren. Hier werden die Gateways von TrueFoundry zur ergänzenden Schicht.

Das AI Gateway bietet eine einheitliche Modellschnittstelle mit zentralisierter Zugriffskontrolle, Rate-Limiting, Budgetbegrenzung und Observability. Seine Budgetregeln können Ausgaben nach Benutzer, Team, Modell, virtuellem Konto oder Metadaten eingrenzen. Das Metrics Dashboard aggregiert LLM- und MCP-Aktivitäten, Kosten, Fehler, Routing, Guardrails und andere betriebliche Signale. Das MCP Gateway trennt eingehende Authentifizierung, Tool-/Server-Zugriffskontrolle und ausgehende Authentifizierung, sodass nicht jeder Agent das gesamte Problem der Anmeldeinformationen selbst verwalten muss.

Daraus ergibt sich eine saubere Architekturgeschichte:

Tabelle zu Schichtzuständigkeiten und Rollen
Schicht Was sie besitzen sollte Rolle von TrueForge / TrueFoundry
Modell- und Systemevaluierung Verhalten unter definierten Bedingungen vor und während der Bereitstellung messen Komplementäre Disziplin; wird nicht durch Graph-Governance ersetzt
Graph / Orchestrator Topologie, Routing, Delegierung, Joins, Wiederholungsversuche und Graphzustand Im Besitz der Anwendung oder des Orchestrierungs-Frameworks; TrueFoundry leitet keine beliebigen Graphtopologien ab
Harness / Ausführungsschleife Modell-Tool-Schleife, Kontextmanagement, Sandboxing, Genehmigungen, Sitzungsstatus, Laufzeitereignisse TrueForge — Open-Source-, MIT-lizenzierter Agenten-Harness
Gateway-Richtlinienebene Zentralisierter Modell-/Tool-Zugriff, Anmeldeinformationen, Budgets, Rate-Limits und gateway-sichtbare Traces TrueFoundry AI Gateway und MCP Gateway
Nachgelagerte Systeme Maßgebliche geschäftliche Autorisierung, Seiteneffekte und System-of-Record-Auditnachweise Bleibt in der Verantwortung der verbundenen Unternehmenssysteme; deren Datensätze mit Harness-/Gateway-Nachweisen korrelieren

Die Produktbotschaft lautet daher nicht „TrueFoundry steuert jede Kante in jedem Graphen.“ Das wäre sowohl technisch ungenau als auch strategisch schwächer. Die fundiertere Behauptung lautet: TrueForge bietet Ihnen einen offenen Harness für die Agenten-Ausführungsschleife; die Gateways von TrueFoundry können Richtlinien und Nachweise für Modell- und MCP-Verkehr zentralisieren, den Sie bewusst darüber routen. Der Orchestrator und nachgelagerte Systeme bleiben Teil der Steuerungsgeschichte, was genau der Art und Weise entspricht, wie ernsthafte Infrastruktur beschrieben werden sollte.

Hinweis zu Grenzen
Erwähnenswerte Grenze: Ein Gateway kann keinen Verkehr steuern, der es umgeht, und ein Harness kann keine Seiteneffekte bezeugen, die er nicht beobachten kann. Graph-Governance ist eine Architektureigenschaft, kein Produkt-Kontrollkästchen.

5. Der Führungstest

Hinweis zum Aktions-Audit
Stellen Sie für jede folgenschwere Aktion eines Agenten fünf Fragen: Welche Kante hat sie übertragen? War diese Kante autorisiert? Was hat sie überschritten? Unter welcher Identität oder delegierten Autorität? Welche Datensätze belegen die Antwort?

Diese Fragen sind bewusst operationaler als „Welches Modell haben wir verwendet?“. Die Modellwahl ist weiterhin wichtig — für Leistung, Sicherheit, Latenz, Kosten und Evaluierungsergebnisse. Aber sobald Agenten handeln können, erweitert sich die Steuerungsfläche. Eine gut geführte Landschaft sollte in der Lage sein, die Evaluierung vor der Bereitstellung mit der Autorisierung zur Laufzeit und Nachweisen im Nachhinein zu verbinden: Was das Modell voraussichtlich tun sollte, was es tun durfte, was es tatsächlich über instrumentierte Grenzen hinweg getan hat und was das System of Record über die Vorkommnisse sagt.

Das ist das dauerhafte Argument für Graph-Engineering als Governance-Haltung. Die Neuheit besteht nicht darin, dass Unternehmen plötzlich Graphene entdeckt haben. Die Neuheit besteht darin, dass KI-Agenten vertraute institutionelle Kontrollen an Software-Kanten programmierbar machen — und Aktionen an diesen Kanten schnell, wiederholbar und teilweise autonom genug machen, dass informelle Governance an ihre Grenzen stößt.

Umfang, Methode und Offenlegungen

TrueFoundry veröffentlicht diesen Essay, wartet TrueForge und vertreibt das hier besprochene AI Gateway sowie MCP Gateway. Die Produktzuordnung ist daher von kommerziellem Interesse und wird als solche ausgewiesen. Produktbehauptungen in dieser Überarbeitung beschränken sich auf das Verhalten, das auf Live-Seiten von TrueFoundry oder im aktuellen öffentlichen TrueForge-Repository dokumentiert ist. Die institutionelle Analogie dient der redaktionellen Rahmung und stellt keine Behauptung dar, dass menschliche Organisationen und KI-Systeme gleichwertig sind. „Graph-Engineering“ bleibt ein sich entwickelnder Begriff; der verlinkte TrueFoundry-Unternehmensleitfaden behandelt dessen Herkunft und aktuelle Produktgrenzen. Dieser Essay behauptet nicht, dass Kanten-Kontrollen die Modell-/Systemevaluierung ersetzen, dass Traces standardmäßig vollständig sind oder dass TrueFoundry Verkehr außerhalb der Oberflächen steuert, durch die er fließt.

Referenzen

‍

Try now.

One gateway for all your models, MCP servers, and agents. No credit card needed.

Melde dich an
Inhaltsverzeichniss

Steuern, implementieren und verfolgen Sie KI in Ihrer eigenen Infrastruktur

Buchen Sie eine 30-minütige Fahrt mit unserem KI-Experte

Eine Demo buchen

Der schnellste Weg, deine KI zu entwickeln, zu steuern und zu skalieren

Demo buchen
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Entdecke mehr

Keine Artikel gefunden.
November 20, 2026
|
Lesedauer: 5 Minuten

AI Gateway Observability for Agents: Oodle on TrueFoundry

Integrations
November 20, 2026
|
Lesedauer: 5 Minuten

AI Gateway Security for Agents: Straiker on TrueFoundry

Keine Artikel gefunden.
November 18, 2026
|
Lesedauer: 5 Minuten

Clause Code Limits erklärt (Ausgabe 2026)

Keine Artikel gefunden.
Analyzing how Cloudflare detects MCP traffic
November 18, 2026
|
Lesedauer: 5 Minuten

How Cloudflare Detects MCP Traffic and Helps Secure It

Keine Artikel gefunden.
Keine Artikel gefunden.

Aktuelle Blogs

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.
Machen Sie eine kurze Produkttour
Produkttour starten
Produkttour