Akto werkt samen met TrueFoundry om AI Agents te voorzien van Security Guardrails

We kondigen met trots onze samenwerking met Akto aan, waarmee we runtime security rechtstreeks toevoegen aan het traject van het verkeer van AI agents.

Teams die agentverkeer routeren via de AI Gateway van TrueFoundry kunnen nu Akto Argus koppelen als een first-class guardrails-oplossing voor realtime zichtbaarheid, beleidshandhaving en runtime-bescherming van prompts, responses, tool calls en agent-workflows in productie.

Nu steeds meer teams overstappen van enkele LLM-calls naar AI agents die tools aanroepen, verbinding maken met MCP-servers en actie ondernemen in echte systemen, vereist productiegereedheid twee dingen die samenwerken:

• een betrouwbare manier om agentverkeer te deployen, te routeren en te beheren
• een betrouwbare manier om te observeren, te controleren en te beveiligen wat die agents doen tijdens runtime

Dat is precies wat de samenwerking tussen TrueFoundry en Akto biedt.

Waarom enterprise agentic AI twee lagen nodig heeft: Gateway en runtime security

TrueFoundry biedt de controlelaag voor enterprise AI-systemen. Met de AI Gateway kunnen teams hun llm-verkeer routeren via een proxy-laag en de modelroutering, sleutelbeheer, toegangscontrole, observability en governance centraliseren over LLMs, tools en workflows die verbonden zijn via MCP.

Akto biedt de runtime security-laag voor AI agents, MCP-interacties en applicaties die worden aangedreven door LLMs. Met Akto Argus kunnen teams guardrails toepassen op prompts, responses, tool calls en acties van agents, waardoor problemen zoals prompt injection, datalekken, onveilige outputs en risicovol agentgedrag direct worden gedetecteerd en aangepakt zodra ze zich voordoen.

Samen vormen de twee oplossingen een strakke productie-architectuur voor enterprise AI:

• TrueFoundry verzorgt deployment, routering en operationele controle
• Akto verzorgt runtime-inspectie, AI-risicoanalyse en de handhaving van guardrail-beleid

Die combinatie maakt het eenvoudiger om enterprise-ready agentic AI-systemen te laten draaien zonder beveiligingslogica toe te voegen aan elke afzonderlijke agent of service. We bieden native ondersteuning voor Akto guardrails binnen de TrueFoundry gateway met de volgende ondersteunde hooks: beforeRequestHook, afterRequestHook, mcpPreTool, mcpPostTool

Het gat bij het deployen van agentic AI in productie

De meeste teams die AI agents bouwen, besteden het grootste deel van hun inspanningen aan deployment en betrouwbaarheid: zorgen dat agents de juiste tools aanroepen, de context correct beheren, retries afhandelen en schalen over gebruikers en omgevingen. Die aanpak is noodzakelijk, maar niet voldoende.

Beveiliging stopt bij veel deployments van agentic AI nog steeds bij de perimeters: toegangscontrole op platformniveau, MCP-server allowlists, permissies op toolniveau, gescopede credentials voor downstream systemen en beleid voor modelroutering.

Die maatregelen zijn belangrijk, maar ze geven geen antwoord op de belangrijkste runtime-vragen:

• Wat doet de agent daadwerkelijk zodra deze begint met de uitvoering?
• Welke tools roept hij aan, in welke volgorde en met welke data?
• Heeft hij toegang tot resources buiten zijn beoogde bereik?
• Als er een prompt injection binnensluipt via opgehaalde context, een MCP-server of een externe API-response, is er dan iets dat de agent stopt voordat hij actie onderneemt?

Runtime guardrails voor AI Agents

Het centrale architectonische idee achter deze technische samenwerking is simpel: als al het verkeer van modellen, tools en MCP toch al door de gateway stroomt, is dat de juiste plek om runtime security toe te passen.

Met Akto gekoppeld aan de TrueFoundry AI Gateway kunnen teams runtime guardrails afdwingen in hetzelfde traject waarin het agentverkeer al wordt gerouteerd en beheerd. Dat betekent dat teams live AI-verkeer kunnen evalueren en controleren, in plaats van alleen traces achteraf te bekijken.

Hoe voegt Akto een beveiligingslaag toe aan uw AI Gateway?

Akto Argus is de runtime security-laag voor AI agents, via MCP verbonden workflows en LLM-aangedreven applicaties.

Akto past runtime guardrails toe op de interacties die plaatsvinden in productie, zodat teams het gedrag van agents kunnen monitoren, evalueren en beleid kunnen afdwingen terwijl het gebeurt.

Met Akto AI Guardrails ingeschakeld, kunnen teams maatregelen toepassen zoals:

• Bescherming tegen prompt attacks om pogingen tot prompt injection en jailbreaks te detecteren en te blokkeren
• Bescherming van gevoelige data om PII, secrets, credentials, tokens en interne context te identificeren en te redacteren
• Output-filtering om onveilige responses of responses die het beleid schenden te onderscheppen voordat ze downstream systemen of eindgebruikers bereiken
• Gedragsmatige anomaliedetectie om ongebruikelijk toolgebruik, afwijkende workflows of acties buiten het verwachte bereik aan het licht te brengen
• Beleidshandhaving zodat security- en platformteams risicovolle interacties kunnen toestaan, redacteren, blokkeren of vlaggen zonder de code van de agent aan te passen

Bij agentic systemen gaat Akto verder dan alleen een enkele prompt/response-combinatie. Het is gebouwd om tool-invocations, MCP-requests en context over meerdere uitvoeringsstappen te evalueren, omdat veel daadwerkelijke problemen bij agentic AI niet optreden binnen één enkele modelresponse. Ze ontstaan verspreid over de gehele keten van acties.

Hoe werkt deze technische samenwerking?

TrueFoundry AI Gateway dwingt Akto guardrails af via vier afzonderlijke hooks die zijn gedeclareerd als YAML-velden in de guardrail rule-configuratie. Elke hook is gekoppeld aan een specifiek handhavingspunt in de request-lifecycle, zonder dat er wijzigingen in de code van de agent nodig zijn.

llm_input_guardrails onderschept een prompt voordat deze het model bereikt. De gateway stuurt het verzoek eerst naar Akto Argus; als er een overtreding wordt gedetecteerd, wordt het verzoek geblokkeerd en wordt de LLM nooit aangeroepen. Dit is een strikt handhavingspunt: de call naar het model gaat pas door als Akto de input goedkeurt.

llm_output_guardrails wordt geactiveerd nadat de LLM heeft geantwoord, maar voordat de response downstream wordt geleverd. Deze hook is non-blocking, wat betekent dat de gebruiker de response direct ontvangt terwijl Akto deze asynchroon evalueert op onveilige outputs, datalekken of beleidsovertredingen. De resultaten verschijnen in het Akto-dashboard voor compliance-reviews.

mcp_tool_pre_invoke_guardrails wordt geactiveerd voordat een tool door de agent wordt uitgevoerd. Akto evalueert op dit punt de naam van de tool, de argumenten en de aanroepcontext. Als de argumenten gevoelige data bevatten of wijzen op toegang tot resources buiten het bereik, kan de tool-invocation worden geblokkeerd voordat er een daadwerkelijke actie plaatsvindt.

mcp_tool_post_invoke_guardrails wordt geactiveerd nadat de tool het resultaat heeft geretourneerd, voordat dat resultaat wordt teruggegeven aan de agent. Dit is het handhavingspunt voor het detecteren van datalekken in tool-outputs, zoals credentials, PII of interne context die door een MCP-server is geretourneerd, voordat deze in de reasoning loop van de agent terechtkomen.

Regels worden geconfigureerd in de gateway via een YAML rules-blok. Elke regel gebruikt een when-blok met twee voorwaarden: target (matching op model, mcpServers, mcpTools of request metadata) en subjects (matching op gebruikers- of teamidentiteit met de operators in en not_in). Alle regels die overeenkomen met een verzoek worden samen geëvalueerd en hun guardrail-sets worden geünieerd per hook — als twee regels zich beide richten op llm_input_guardrails, worden beide guardrails uitgevoerd. Teams kunnen guardrails ook op verzoekniveau overschrijven zonder de globale configuratie te wijzigen, door de X-TFY-GUARDRAILS JSON-header mee te sturen met specifieke guardrail selectors voor elke combinatie van de vier hooks.

De Akto Argus-connector bevindt zich binnen de AI Gateway-laag van TrueFoundry. Zodra deze is geconfigureerd, wordt elke agent-interactie en LLM-call die door de AI Gateway stroomt ook geobserveerd door Argus. Er is geen instrumentatie nodig op het niveau van de agent-code. Dit biedt teams een praktische uitrolstrategie: blokkeren waar het vertrouwen hoog is, monitoren waar zichtbaarheid vooropstaat.

Gebouwd voor enterprise agentic AI-systemen in productie

Deze samenwerking is gebouwd rond een eenvoudig idee: beveiliging moet zich in hetzelfde traject bevinden waar het agentverkeer al wordt gerouteerd en beheerd.

Met TrueFoundry AI Gateway als de control plane voor model-, tool- en MCP-verkeer, en Akto Argus als de runtime security-laag die aan dat traject is gekoppeld, krijgen teams een praktische productie-architectuur voor enterprise AI zonder dat ze beveiligingslogica per agent hoeven toe te voegen of de manier waarop applicaties worden gebouwd hoeven te veranderen.

Voor klanten betekent dit:

• gecentraliseerde controle over AI-verkeer en de handhaving van het runtime-beleid
• consistente beveiligingsdekking voor prompts, responses, tools en MCP-interacties
• snellere uitrol van guardrails met een duidelijk pad van monitoren naar blokkeren
• gedeelde zichtbaarheid voor platform-, security- en engineeringteams

Nu steeds meer teams overstappen van eenvoudige LLM-integraties naar echte agentic systemen, wordt dit type architectuur een basiseis, en geen optionele extra.

Klaar om te beginnen? Bekijk de Akto connector-documentatie voor TrueFoundry en de TrueFoundry AI Gateway-documentatie om Akto Guardrails in te stellen.