O Que É Segurança Zero-Trust para Agentes de IA?
.webp)
Built for Speed: ~10ms Latency, Even Under Load
Blazingly fast way to build, track and deploy your models!
- Handles 350+ RPS on just 1 vCPU — no tuning needed
- Production-ready with full enterprise support
O zero trust foi construído para um mundo de usuários, dispositivos e serviços. Os agentes autônomos de IA quebram a maioria de suas premissas. Um agente não é um humano no teclado cujo comportamento você pode prever, e não é um microsserviço estático com um conjunto fixo de chamadas. Ele é um processo que recebe um objetivo, decide por conta própria quais ferramentas invocar e em qual ordem, e atua com autoridade delegada do usuário ou sistema que o iniciou. Dê a ele um token amplo para a sessão e ele usará todos os escopos que esse token carrega, em combinações que ninguém previu, sempre que seu raciocínio o levar a isso.
Aí está a lacuna. A maioria das implantações de agentes autentica o agente uma vez, entrega a ele uma credencial e confia em cada chamada de ferramenta que ele faz durante o restante da sessão. A próxima ação do modelo é apenas tão segura quanto o raciocínio que a produziu, e esse raciocínio pode ser direcionado por uma injeção de prompt (prompt injection), um documento envenenado ou um resultado de ferramenta que o agente não esperava. Confiança permanente somada a um comportamento imprevisível é a condição precisa que o zero trust foi projetado para eliminar.
Este artigo aplica os princípios de zero trust aos agentes de forma concreta: por que o modelo de perímetro falha para eles, o que cada pilar significa quando o ator é um agente não humano chamando ferramentas, e como um gateway impõe autorização por chamada, acesso de escopo definido, controle de egress e auditoria em cada ação individual.
Quer autorização por chamada e identidade forte para cada agente de IA e chamada de ferramenta? Agende uma demonstração.
Por que os agentes quebram o modelo de perímetro
O modelo de perímetro concede confiança com base na localização ou em uma autenticação inicial: uma vez dentro da rede, ou uma vez que você tenha feito login, você é confiável para o que vem a seguir. Isso já estava desgastado com o trabalho remoto e os microsserviços. Os agentes o quebram completamente por três motivos.
Eles atuam com autoridade delegada. Um agente executa em nome de um usuário ou sistema e herda uma fatia das permissões desse principal. Se a delegação for genérica, o equivalente a todas as ações da sessão carregará a autoridade total do usuário, independentemente de qualquer ação específica precisar dela ou não.
Eles chamam ferramentas, o que significa que tomam ações reais. Um agente não está apenas respondendo a perguntas. Ele lê bancos de dados, envia mensagens, escreve em sistemas, move dinheiro, aciona fluxos de trabalho. Cada chamada de ferramenta é uma ação com consequências, e o agente decide cada uma delas dinamicamente.
Eles encadeiam ações de maneiras que você não pode enumerar com antecedência. A saída de uma ferramenta torna-se a entrada para a próxima decisão do agente. Uma leitura pode levar a uma escrita; o resultado de uma busca pode introduzir uma instrução. Você não pode pré-aprovar o gráfico de chamadas porque o agente o constrói em tempo de execução, em parte a partir dos dados que acabou de receber.
Junte tudo isso e um token de sessão permanente se torna uma arma carregada. Se uma instrução injetada convencer o agente a chamar delete_records ou transfer_funds, um token com escopo de sessão que inclua essas permissões deixará a chamada passar, porque nada reavalia a ação específica contra o contexto específico. O problema não é que o agente foi autenticado; é que a autenticação foi tratada como autorização para tudo o que veio a seguir.
Os pilares do zero trust aplicados a agentes
O zero trust é geralmente enunciado como um punhado de princípios: nunca confie, sempre verifique; privilégio mínimo; autorização por requisição; presuma a violação; e audite tudo. Aqui está o que cada um significa quando o ator é um agente.
Nunca confie, sempre verifique. Não confie em um agente porque ele se autenticou no início da sessão ou porque está sendo executado dentro da sua rede. Verifique sua identidade e sua autoridade a cada requisição. O raciocínio do agente não é uma ancora de confiança; ele pode ser manipulado pelos próprios dados que o agente está processando.
Privilégio mínimo. Conceda ao agente apenas as permissões de que uma determinada tarefa precisa e apenas pelo tempo que precisar delas. Um agente que resume faturas precisa de acesso de leitura às faturas, não de acesso de escrita ao sistema de pagamentos. O privilégio mínimo para agentes é restrito à ação, não concedido para a sessão.
Autorização por requisição. Autorize cada chamada de ferramenta individualmente, com todo o contexto: qual agente, agindo por qual usuário, chamando qual ferramenta, com quais argumentos, agora mesmo. Este é o pilar que responde mais diretamente ao problema das ações encadeadas, porque cada elo da corrente é avaliado, não apenas o primeiro.
Presuma a violação. Projete o sistema como se o agente já estivesse parcialmente comprometido, porque a injeção de prompt faz disso uma condição de rotina, não um caso isolado. Se você presume que o agente pode ser direcionado para uma chamada maliciosa, você para de confiar no agente para policiar a si mesmo e move o controle para fora dele.
Audite tudo. Cada ação que um agente toma deve ser atribuível e registrada: para quem foi, qual identidade fez a chamada, o que foi solicitado e o que a política decidiu. Sem isso você não pode investigar um incidente ou provar conformidade, e não pode diferenciar uma ação legítima de uma subvertida após o fato.

Pilar um: identidade forte do agente
Tudo o que vem a seguir depende de saber quem é o ator, e para agentes isso é mais difícil do que para humanos. Um agente é uma identidade não humana. Ele precisa de uma credencial que seja sua, não de uma chave de API de um humano emprestada por conveniência, e não de um segredo compartilhado embutido em uma imagem.
Quando bem feito, um agente tem uma identidade distinta e verificável, e o sistema também sabe o humano ou serviço em cujo nome ele está agindo. Essa identidade dupla, o agente mais o principal delegante, é o que torna a autorização significativa. Mecanismos estabelecidos de identidade não humana se aplicam aqui: frameworks de identidade de carga de trabalho como o SPIFFE emitem identidades de curta duração e verificáveis para serviços, e os padrões do OAuth 2.1 governam como a autoridade delegada é representada e passada. As especificidades do estabelecimento e propagação dessa identidade são cobertas em Identidade de agente de IA e Autenticação MCP.
O anti-padrão é a chave compartilhada de longa duração. Quando dez agentes compartilham uma chave de API, você não pode atribuir uma ação a um agente específico, não pode revogar um agente sem quebrar os outros e não pode definir escopo de permissões por agente. A identidade é o pilar que torna todos os outros pilares aplicáveis, por isso vem em primeiro lugar.

Veja como o TrueFoundry aplica o acesso de privilégio mínimo e restrito por escopo para agentes no gateway. Agende uma demonstração.
Pilar dois: autorização por chamada, não um token permanente
Este é o coração do zero trust para agentes e a quebra mais nítida de como a maioria dos sistemas funciona hoje.
O padrão comum emite ao agente um token no início da sessão contendo todas as permissões de que ele possa precisar e, em seguida, confia em todas as chamadas que esse token acompanha. O zero trust substitui isso por autorização em cada chamada. Quando o agente deseja invocar uma ferramenta, a requisição, carregando a identidade do agente e a identidade do usuário delegante, é avaliada em relação à política antes de ser executada. A política pode considerar a ferramenta, os argumentos específicos, as próprias permissões do usuário e o contexto.
Concretamente, "este agente tem permissão para chamar a ferramenta de banco de dados" é a pergunta errada. A pergunta certa é "este agente, agindo por este usuário, tem permissão para executar esta consulta específica contra esta tabela agora mesmo". Uma leitura dos próprios registros do usuário: permitir. Uma leitura dos registros de outro usuário, ou um DELETE: negar, independentemente do fato de o agente possuir uma ferramenta de banco de dados em seu catálogo.
É aqui que os modelos de autorização refinada importam. O controle de acesso baseado em funções (RBAC) dá uma linha de base, mas as ações dos agentes frequentemente precisam de decisões baseadas em atributos e tarefas que considerem a requisição específica. Os prós e contras entre esses modelos estão detalhados em RBAC vs ABAC e Autorização refinada. Para agentes especificamente, limitar a autoridade à tarefa que o agente está executando no momento, em vez de a uma função ampla, é a ideia por trás do Controle de acesso baseado em tarefas (TBAC): o agente recebe a autoridade para a tarefa à sua frente e nada mais.
Pilar três: acesso a ferramentas restrito ao escopo e just-in-time
O privilégio mínimo torna-se real por meio de dois mecanismos: escopo e tempo.
O escopo estreita o que uma concessão cobre. Em vez de "acesso ao CRM", a concessão é "acesso de leitura aos contatos pertencentes a este usuário". Quanto mais estreito o escopo, menos um agente pode fazer se seu raciocínio for subvertido, e menos um atacante ganha a partir de uma única instrução envenenada.
O tempo estreita quanto tempo uma concessão dura. O acesso just-in-time emite uma credencial de curta duração para a ação em questão e permite que ela expire, em vez de manter um token de longa duração que permanece válido — e passível de roubo — durante toda a sessão e além. Uma credencial que vive por uma chamada e dez segundos é muito menos útil para um atacante do que uma que vive pela sessão inteira.
Juntos, eles delimitam o raio de impacto em ambos os eixos. Um agente comprometido com uma concessão restrita e just-in-time pode fazer uma coisa específica durante uma janela curta. O mesmo agente com um token amplo para toda a sessão pode fazer tudo o que o token permite enquanto a sessão durar.
Pilar quatro: controle de egress (saída)
Os agentes se conectam externamente, a servidores de ferramentas, APIs e endpoints externos, e esse caminho de saída é sua própria superfície de controle. O controle de egress governa para onde um agente pode enviar dados e quais destinos externos ele pode alcançar.
Sem ele, um agente subvertido pode exfiltrar informações: uma instrução injetada diz a ele para enviar o contexto reunido para um endpoint controlado pelo atacante, e nada impede a chamada de saída. Com o controle de egress, o agente só pode alcançar destinos aprovados, e as tentativas de alcançar outros são bloqueadas e registradas. Em um contexto MCP, isso também significa governar a quais servidores de ferramentas um agente pode se conectar, para que ele não possa ser redirecionado para um servidor falsificado ou malicioso. Isso se conecta diretamente à Governança empresarial do MCP, onde controlar e auditar o acesso ao servidor de ferramentas é a função principal.
Pilar cinco: verificação contínua e auditoria
O zero trust não é uma validação única; é contínuo. Cada requisição é reverificada, e cada decisão é registrada.
A trilha de auditoria para agentes precisa responder, para qualquer ação: qual agente fez isso, para qual usuário, qual ferramenta e argumentos estavam envolvidos, o que a política decidiu e quando. Esse registro atende a duas frentes. Para a segurança, é como você investiga se uma ação foi legítima ou produto de uma cadeia subvertida. Para a conformidade, é a evidência de que o acesso foi controlado e atribuível. Como os agentes agem rápido e em volume, a auditoria deve ser automática e completa; amostragens perderão a única chamada que realmente importava.

Como um gateway aplica o zero trust
A razão pela qual um gateway é o ponto natural de aplicação é a mesma pela qual ele funciona para outros controles transversais: ele é a camada única pela qual passa cada chamada de ferramenta de um agente. Aplicar zero trust no código de cada agente significaria confiar que cada agente policiará a si mesmo, o que é exatamente a premissa que o zero trust rejeita. Mover a aplicação das regras para o gateway coloca o controle fora do elemento que pode estar comprometido.
Acompanhe o caminho de uma chamada de ferramenta. O agente, possuindo sua própria identidade, pede para invocar uma ferramenta. O gateway recebe a chamada com a identidade do agente e a identidade do usuário delegante propagadas. Ele avalia a política para esta chamada específica: este agente, para este usuário, tem permissão para usar esta ferramenta com estes argumentos? Se sim, ele emite uma concessão restrita e de curta duração, encaminha a chamada e controla o destino de saída. Se não, nega a chamada e retorna um erro definido. De qualquer forma, a decisão é gravada na trilha de auditoria, marcada por usuário, equipe e modelo.
É assim que o AI gateway e MCP gateway do TrueFoundry são construídos: propagação de identidade, autorização refinada em cada chamada de ferramenta, acesso a ferramentas governado e controle de egress, além de observabilidade por requisição com uma trilha de auditoria completa, tudo aplicado na camada por onde o tráfego já flui. Como o plano de dados pode rodar no seu próprio ambiente (SaaS, VPC, on-premise ou isolado/air-gapped), o ponto de aplicação e a auditoria permanecem dentro do seu perímetro.
Onde as equipes erram
Autenticar o agente e depois confiar na sessão. O erro mais comum. Um login, um token amplo e todas as chamadas de ferramentas subsequentes são liberadas. Isso é confiança permanente, exatamente o que o zero trust elimina, e significa que uma injeção de prompt no meio da sessão herda o token completo.
Dar a agentes credenciais em formato humano. Reutilizar a chave de API de um humano, ou uma chave de serviço compartilhada, para um agente destrói a atribuição e a restrição de escopo. Você não pode dizer qual agente fez o quê, e não pode revogar ou restringir um agente sem afetar os outros. Agentes precisam de suas próprias identidades não humanas.
Acesso baseado em funções (RBAC) como a solução completa. Uma função ampla ("agentes podem usar o banco de dados") autoriza a ferramenta, não a ação. O zero trust precisa que a decisão considere a chamada específica, os argumentos e o usuário para quem ela é feita, que é onde entram as autorizações baseadas em atributos e tarefas.
Aplicar regras no próprio código do agente. Se a verificação de política estiver dentro do agente, um agente subvertido pode contorná-la. Presumir a violação significa que o ponto de aplicação das regras deve estar fora do agente, no caminho da chamada, onde o agente não possa ignorá-lo com argumentos.
Ausência de controle de egress. As equipes protegem o que um agente pode ler e esquecem para onde ele pode enviar dados. A exfiltração acontece no caminho de saída. Sem o controle de egress, o passo final de um agente subvertido — enviar os dados para fora — não encontra nenhum obstáculo.
Conclusão
Zero trust para agentes de IA é uma ideia única aplicada implacavelmente: nenhuma ação é confiada devido a quem é o ator ou por ele ter se autenticado anteriormente. Cada chamada de ferramenta é verificada contra uma identidade real de agente e autorizada por seus próprios méritos, com o menor privilégio de que a tarefa precisa, pelo menor tempo necessário, e cada decisão é registrada. Os pilares são os já conhecidos; o que muda é que o ator age autonomamente, toma ações reais e pode ser direcionado pelos dados que processa.
A consequência prática é arquitetural. Como você deve presumir que o agente pode ser subvertido, a aplicação das regras pertence à parte externa do agente, no gateway por onde passa cada chamada de ferramenta, onde a identidade é propagada, cada chamada é autorizada com contexto completo, o acesso é restrito e de curta duração, a saída é controlada e a trilha de auditoria é completa. Construa a segurança nesse nível e um agente comprometido ficará limitado a uma ação restrita, em vez de ter acesso a tudo o que um token de sessão permite.
Traga o zero-trust para seus agentes de IA. Agende uma demonstração.
TrueFoundry AI Gateway delivers ~3–4 ms latency, handles 350+ RPS on 1 vCPU, scales horizontally with ease, and is production-ready, while LiteLLM suffers from high latency, struggles beyond moderate RPS, lacks built-in scaling, and is best for light or prototype workloads.














.webp)







