Короткий ответ: Управляемое обнаружение агентов — это практика поиска ИИ-агентов, работающих на платформах предприятия, их регистрации в едином инвентаре и связывания каждого агента с обслуживаемым им вариантом использования и данными, от которых он зависит. Оно рассматривает обнаружение как элемент управления, а не просто как каталог: то, что агент может найти, должно определяться политикой, а не только тем, что существует в реальности.
В Alation реестр ИИ-активов (AI Asset Registry) в составе модуля AI Governance загружает агентов с подключенных платформ и через SDK.¹
Это руководство охватывает обнаружение в смысле управления (governance). Речь идет не о протокольной механике карточек агентов A2A или MCP.
Что такое управляемое обнаружение агентов?
Почти три из четырех организаций уже предоставляют агентскому ИИ доступ к своим данным и процессам, будь то пилотирование агентов, их масштабирование или запуск в производственной среде.² Этот доступ может распространяться по разным командам и платформам без какой-либо единой точки координации. Одна команда создает copilots, другая выпускает агента на основе блокнотов (notebooks), а третья активирует функцию вендора. Управляемое обнаружение агентов дает организации систематический способ учета этого распространения, позволяя узнать, какие агенты существуют, какова цель каждого из них и к каким данным каждый из них обращается.
Управляемое обнаружение агентов — это повторяемый процесс, состоящий из трех частей:
- Найти. Процесс определяет агентов, работающих на платформах, подключенных предприятием.
Найти. Процесс определяет агентов, работающих на платформах, подключенных предприятием.
- Зарегистрировать. Процесс записывает каждого агента в единый инвентарь, вместо того чтобы оставлять его на платформе, где он был создан.
Зарегистрировать. Процесс записывает каждого агента в единый инвентарь, вместо того чтобы оставлять его на платформе, где он был создан.
- Связать. Процесс связывает каждого агента с вариантом использования, который он обслуживает, и данными, от которых он зависит, так что вопросы риска и соответствия требованиям можно разрешить на основе этой записи, а не восстанавливать их вручную.
Связать. Процесс связывает каждого агента с вариантом использования, который он обслуживает, и данными, от которых он зависит, так что вопросы риска и соответствия требованиям можно разрешить на основе этой записи, а не восстанавливать их вручную.
Слово «управляемое» отделяет эту практику от простого статичного каталога. Каталог лишь перечисляет то, что существует. Управляемое обнаружение добавляет уровень контроля, поскольку ваша политика управления определяет, что агент может найти, а впоследствии и вызвать, поэтому доступ не зависит исключительно от того, к чему случайно удалось получить доступ. Это различие проходит красной нитью через все остальное руководство.
Почему обнаружению агентов требуется управление?
Процессы управления не были рассчитаны на те темпы инноваций в сфере агентского ИИ, которые мы наблюдаем сегодня. В отчете Grant Thornton «2026 AI Impact Survey» утверждается, что большинство моделей управления не были готовы к тому объему вариантов использования ИИ, которые организации развертывают в настоящее время, и 78% опрошенных руководителей не уверены в том, что смогут успешно пройти независимый аудит управления ИИ в течение 90 дней.² Агента можно создать, подключить к данным и представить пользователям за считанные часы. Инвентарная таблица или процесс проверки, проводимый раз в квартал, описывают состояние дел лишь таким, каким оно было в прошлом.
Обнаружение должно предшествовать авторизации: вы не можете авторизовать агента, которого еще не обнаружили. Однако это лишь половина дела. Знание о том, что агент существует, не говорит вам, на чем он базируется. Агент настолько управляем, насколько у вас есть возможность отследить его связь с используемыми им данными и понять, являются ли эти данные проверенными, актуальными и подпадающими под действие политик.
Идентификационные данные и инвентарь сообщают вам, кем является агент. Сами по себе они не говорят, какие правила применимы, какие данные подпитывают агента или что изменится, если эти данные изменятся. Управляемое обнаружение агентов устраняет этот пробел, храня ответы в одном месте, поэтому отделам комплаенса и управления рисками не нужно собирать доказательства из разрозненных представлений платформ.
Чем управляемое обнаружение агентов отличается от реестра или инвентаря агентов?
Термины «обнаружение», «реестр» и «инвентарь» часто используются как взаимозаменяемые, но каждый из них описывает отдельный этап работы, и их разделение проясняет вклад каждого элемента. Обнаружение — это процесс поиска агентов. Реестр — это система учета, которую этот процесс наполняет. Происхождение (lineage) и авторизация — это возможности, которые опираются на эту запись, поскольку ни то, ни другое не может быть надежно применено к агентам, которых организация предварительно не нашла и не зарегистрировала.
Концепция
Вопрос, на который она отвечает
Обнаружение
Какие агенты существуют на наших подключенных платформах?
Реестр
Что мы знаем о каждом из них в едином месте?
Происхождение (Lineage)
От каких данных зависит каждый агент и какому риску это подвергает систему?
Авторизация
Что разрешено находить и вызывать каждому агенту?
В совокупности эти четыре концепции образуют последовательность: обнаружение находит агентов, реестр фиксирует их, происхождение связывает каждого агента с его данными, а авторизация регулирует то, что каждый агент может делать.
В Alation реестр является частью модуля AI Governance. Он содержит модели, агентов и инструменты, поэтому он шире, чем реестр агентов в узком смысле.¹ Обнаружение — это способ попадания агентов в него: с подключенных платформ или путем отправки через SDK.¹ Как только актив попадает внутрь, он получает доступный для поиска профиль со связями (lineage) с восходящими зависимостями данных.¹
Как работает управляемое обнаружение агентов?
Управляемое обнаружение агентов следует последовательности из четырех шагов, которая переносит агента с платформы, где он был создан, в управляемую запись, связывающую его с бизнес-целью, его данными и применимыми к нему нормативными требованиями. Каждый шаг опирается на предыдущий, поэтому порядок имеет значение.
- Подключите платформы, на которых создаются агенты. Alation предоставляет шесть встроенных коннекторов: Amazon Bedrock, Amazon SageMaker, Databricks MLflow, Microsoft Copilot Studio, Microsoft Foundry и Snowflake Cortex.⁴ Это охватывает агентов, созданных на базе AWS (Bedrock, SageMaker), Databricks (MLflow), Snowflake (Cortex) и Microsoft (Copilot Studio, Foundry). Агенты, созданные в других местах, могут быть зарегистрированы через SDK.³
Подключите платформы, на которых создаются агенты. Alation предоставляет шесть встроенных коннекторов: Amazon Bedrock, Amazon SageMaker, Databricks MLflow, Microsoft Copilot Studio, Microsoft Foundry и Snowflake Cortex.⁴ Это охватывает агентов, созданных на базе AWS (Bedrock, SageMaker), Databricks (MLflow), Snowflake (Cortex) и Microsoft (Copilot Studio, Foundry). Агенты, созданные в других местах, могут быть зарегистрированы через SDK.³
- Зарегистрируйте каждого агента в реестре. Каждый зарегистрированный актив связан с вариантом использования, который он обслуживает, что придает агенту бизнес-контекст, а не просто название платформы.³
Зарегистрируйте каждого агента в реестре. Каждый зарегистрированный актив связан с вариантом использования, который он обслуживает, что придает агенту бизнес-контекст, а не просто название платформы.³
- Свяжите каждого агента с его данными и установите его уровень риска. Линейность связывает агента с его восходящими зависимостями данных.¹ В Alation владелец варианта использования устанавливает его уровень риска.³
Свяжите каждого агента с его данными и установите его уровень риска. Линейность связывает агента с его восходящими зависимостями данных.¹ В Alation владелец варианта использования устанавливает его уровень риска.³
- Сопоставляйте активы с нормативными требованиями и контролируйте уровень соответствия. AI Governance включает встроенную поддержку EU Act, подмножеств GDPR, относящихся к ИИ, NIST AI RMF и ISO 42001. Команды могут добавлять другие нормативные требования.¹ В результате состояние соответствия требованиям доступно по запросу, а не собирается перед аудитом.¹
Сопоставляйте активы с нормативными требованиями и контролируйте уровень соответствия. AI Governance включает встроенную поддержку EU Act, подмножеств GDPR, относящихся к ИИ, NIST AI RMF и ISO 42001. Команды могут добавлять другие нормативные требования.¹ В результате состояние соответствия требованиям доступно по запросу, а не собирается перед аудитом.¹
В совокупности эти шаги заменяют разрозненный набор агентов управляемым реестром. Регистрация определяет, какие агенты существуют и для чего предназначен каждый из них, а происхождение (lineage) устанавливает, от чего зависит каждый из них. В следующем разделе рассматривается, что становится возможным благодаря этому дополнительному уровню.
Что дает отслеживание происхождения агентов?
Регистрация определяет, какие агенты существуют и для чего предназначен каждый из них. Сама по себе она не показывает, от чего зависит каждый агент, а эта зависимость во многом определяет, насколько можно доверять ответам агента. Отслеживание происхождения восполняет этот пробел, связывая каждого агента с лежащими в его основе данными.
Отслеживание происхождения агентов, являющееся частью AI Governance, прослеживает регуляторные риски каждого агента через используемые им «живые» данные.⁴ В результате риск агента можно оценивать на основе данных, которые он фактически использует, а не только платформы, на которой он запущен, или цели, для которой он был зарегистрирован.
Рассмотрим агента, который отвечает на финансовые вопросы на основе таблицы, проверки качества которой начали давать сбои. Без информации о происхождении этот сбой отражается в отчете о качестве данных, который никто не связывает с агентом, и агент продолжает выдавать ответы, которые выглядят авторитетными. При интеграции отслеживания происхождения сбойную таблицу можно связать с зависящими от нее агентами, чтобы ответственные лица могли увидеть, какие агенты затронуты, и решить, как отреагировать.
ЗДЕСЬ НАХОДИТСЯ ДИАГРАММА
Это важно для обнаружения, поскольку ответы на самые важные вопросы управления находятся на уровне данных — в происхождении, качестве и состоянии политик. Какие нормативные требования применимы к агенту, какие данные питают его ответы и что меняется при изменении этих данных — все это вопросы, касающиеся данных, и управляемое обнаружение агентов ищет ответы там. Именно поэтому оно связывает каждого агента с его данными, а не только с платформой, на которой он был создан.
Однако понимание того, от чего зависит агент, — это лишь часть управления им. В следующем разделе рассматривается оставшийся вопрос о том, что каждому агенту разрешено видеть и делать.
Всякий раз, когда агент работает с инструментами, два разных момента определяют, что он может делать, и управление только одним из них оставляет пробел. Первый — это момент обнаружения, когда агент узнает, какие инструменты ему доступны. Второй — момент вызова, когда агент пытается использовать один из этих инструментов. Каждый из них отвечает на свой вопрос и требует собственного контроля.
В момент обнаружения вопрос заключается в том, что агент получает возможность видеть. Фильтрация на этом этапе ограничивает список видимых агенту инструментов так, чтобы инструменты, которые он не должен использовать, никогда не появлялись в его списке. В момент вызова вопрос заключается в том, что агенту разрешено делать при выполнении вызова. Авторизация на этом этапе оценивает конкретный запрос на соответствие политикам и разрешает или отклоняет его.
Видимость — это не разрешение. Агент, который видит инструмент, тем самым не получает права его использовать, а агент, которому разрешено использовать инструмент, не должен видеть инструменты, о которых ему знать незачем. Список инструментов, показывающий все подряд, провоцирует вызовы, которые политика затем должна отклонять, что увеличивает количество отказов и расширяет защищаемую поверхность. Фильтрация списка сужает эту поверхность с самого начала. Проверка в момент вызова — это то, что действительно обеспечивает соблюдение правила, поскольку список может быть неполным, устаревшим или обойденным, в то время как проверка при вызове применяется к запросу в момент его создания. Поэтому надежная конструкция использует оба средства контроля: фильтрация сокращает то, что агент может попытаться сделать, а авторизация решает, что ему разрешено завершить.
Это различие напрямую применимо к MCP-серверам, где список инструментов, получаемый агентом, представляет собой его поверхность обнаружения. В следующем подразделе рассматривается, как это работает на практике.
Как это применимо к MCP-серверам?
MCP-серверы предоставляют агентам инструменты, делая список инструментов поверхностью обнаружения. Удаленный MCP-сервер Alation динамически формирует список инструментов, что позволяет ему отсеивать инструменты, недоступные текущему пользователю при формировании списка.⁵ Инструкции по настройке см. в разделе Подключения + SDK.
Фильтрация — это лишь одна составляющая. Вторая — понимание того, от чьего имени действует агент. О том, как собственная идентичность агента может быть привязана к ограничениям делегирующего ее человека со сроком действия прав, читайте в статье «Кто уполномочил вашего агента ИИ?»⁶ А о другой стороне контроля — записи о том, кому, кем и когда было отказано в запросе, читайте в статье «Контекст говорит агенту, что он знает. Разрешения определяют, что он может делать».
Обнаруживает ли управляемое обнаружение агентов теневой ИИ?
Обнаруживает отчасти, и степень обнаружения зависит от того, насколько полно организация подключает свои платформы и регистрирует то, что создает. Теневые агенты — это агенты, которые работают без ведома или одобрения команд, отвечающих за управление, и самыми сложными в управлении являются те, которые никогда не появляются ни в одном инвентарном списке. Управляемое обнаружение агентов решает эту проблему в заданных границах, и понимание этих границ позволяет организации должным образом полагаться на этот подход.
Что входит в область видимости
Агенты на подключенных платформах попадают в область видимости, как и агенты, зарегистрированные через SDK.¹ Для платформ с нативным коннектором агенты подгружаются с самой платформы. Для платформ без такого коннектора агенты могут быть зарегистрированы через SDK из любого места, где они созданы.³ Это расширяет охват за пределы нативных коннекторов при условии, что кто-то завершит регистрацию.
Что остается за пределами области видимости
Агент, созданный вне обоих путей, например сценарий, запущенный на ноутбуке, или инструмент на неподключенной платформе, не подпадает под методы обнаружения этого подхода. Такой агент остается вне реестра до тех пор, как кто-либо его не зарегистрирует. До тех пор у него нет записанного сценария использования, нет сопоставленных зависимостей данных и нет следа доказательств.
Как сузить пробел
Организации могут сократить незащищенную зону как за счет выбора процессов, так и с помощью технологий. Подключение каждой используемой платформы, имеющей нативный коннектор, сокращает количество агентов, которые могут остаться незаписанными. Рассмотрение регистрации через SDK как обязательного шага перед выпуском агента закрывает большую часть оставшихся случаев. Сравнение реестра с командами и платформами, которые, как известно, создают агентов, также помогает, поскольку неожиданное отсутствие часто является первым признаком того, что агент остался незарегистрированным.
Что остается на других уровнях
Обнаружение управляемых агентов — это лишь один из нескольких уровней, который не заменяет остальные. Подготовка к работе, управление секретами и их ротация остаются за вашим поставщиком удостоверений, поскольку Alation не выпускает, не ротирует и не отзывает учетные данные.⁶ Alation сохраняет реестр, журнал аудита и политики, следующие за данными.⁶ Обнаружение агента, который никогда не был зарегистрирован, требует использования средств контроля за пределами реестра, таких как те, которые организация уже использует для своей сети и рабочих нагрузок. Как только такой агент найден, его можно зарегистрировать, что объединит его запись с остальными.
В совокупности эти границы показывают, что охватывает обнаружение управляемых агентов и в чем оно зависит от других средств контроля. В следующем разделе описывается, как Alation предоставляет реестр, происхождение данных (lineage) и коннекторы, о которых говорилось ранее.
Как Alation это делает?
Alation AI Governance объединяет эти компоненты. AI Asset Registry представляет собой единый каталог моделей, агентов и инструментов, поступающих из подключенных платформ или отправляемых через SDK.¹ Отслеживание происхождения агентов связывает каждого агента с актуальными данными, которые он использует.⁴ Удаленный MCP-сервер и SDK для ИИ-агентов предоставляют контекст каталога агентам, созданным в других стеках, а Agent Studio — это среда, где агенты создаются, дорабатываются и развертываются.⁵ Связанные функции, включая онтологии и управляемые коллекции (Governed Collections), находятся на этапе раннего доступа.⁴
Узнайте, как работает AI Governance →
Часто задаваемые вопросы
Что такое обнаружение управляемых агентов? Это процесс поиска ИИ-агентов, работающих на платформах предприятия, регистрации каждого из них в едином каталоге и привязки каждого к варианту использования и зависящим от него данным. Он рассматривает обнаружение как меру контроля в рамках управления, поэтому политики определяют, что агент может обнаружить.
Является ли это тем же самым, что и реестр агентов? Нет. Обнаружение — это процесс поиска агентов, а реестр — это системный журнал, который он наполняет. AI Asset Registry в составе Alation AI Governance охватывает модели, агенты и инструменты, поэтому он шире, чем просто реестр агентов.¹
Находит ли он агентов за пределами подключенных платформ? AI Asset Registry принимает агентов из подключенных платформ и регистрирует агентов через SDK.¹ Агент, созданный за пределами этих путей, не попадает в реестр, пока кто-нибудь его не зарегистрирует, поэтому используйте его в сочетании с элементами контроля удостоверений и сети.
Чем это отличается от обнаружения удостоверений или нечеловеческих идентификаторов (NHI)? Обнаружение на основе удостоверений отталкивается от идентификатора агента. Обнаружение управляемых агентов связывает каждого зарегистрированного агента с вариантом его использования и данными, от которых он зависит. Они дополняют друг друга, а ваш поставщик удостоверений отвечает за подготовку, секреты и ротацию.⁶
Какие платформы поддерживаются? Шесть встроенных коннекторов: Amazon Bedrock, Amazon SageMaker, Databricks MLflow, Microsoft Copilot Studio, Microsoft Foundry и Snowflake Cortex.⁴ Агенты с других платформ могут быть зарегистрированы через SDK.³
Каким нормативным требованиям это соответствует? Решение AI Governance имеет встроенную поддержку закона ЕС об искусственном интеллекте (EU AI Act), подмножеств GDPR, касающихся ИИ, NIST AI RMF и ISO 42001. Команды могут добавлять другие регламенты.¹
- Кто авторизовал вашего ИИ-агента?
Кто авторизовал вашего ИИ-агента?
- Контекст говорит агенту, что он знает. Права доступа определяют, что он может делать.
Контекст говорит агенту, что он знает. Права доступа определяют, что он может делать.
- Фреймворк передовых практик управления ИИ для лидеров данных
Фреймворк передовых практик управления ИИ для лидеров данных
Источники и примечания
Каждое внешнее утверждение на этой странице поддается независимой проверке. Общедоступные источники перечислены здесь.
- AI Asset Registry: единый каталог моделей, агентов и инструментов; активы загружаются из подключенных платформ или передаются через SDK; каждый актив имеет доступный для поиска профиль с историей происхождения до его первоисточников данных; встроенная поддержка EU AI Act, профильных подмножеств GDPR, NIST AI RMF и ISO 42001, а также поддержка других стандартов; актуальный статус соответствия требованиям по запросу. — Пресс-релиз Alation, 11 мая 2026 г. ↗ https://www.alation.com/news-and-press/alation-announces-new-ai-governance-offering/
AI Asset Registry: единый каталог моделей, агентов и инструментов; активы загружаются из подключенных платформ или передаются через SDK; каждый актив имеет доступный для поиска профиль с историей происхождения до его первоисточников данных; встроенная поддержка EU AI Act, профильных подмножеств GDPR, NIST AI RMF и ISO 42001, а также поддержка других стандартов; актуальный статус соответствия требованиям по запросу. — Пресс-релиз Alation, 11 мая 2026 г. ↗ https://www.alation.com/news-and-press/alation-announces-new-ai-governance-offering/
- Почти три из четырех организаций предоставляют агентскому ИИ доступ к своим данным и процессам; 78% руководителей бизнеса не уверены в том, что смогут пройти независимый аудит управления ИИ в течение 90 дней; в отчете утверждается, что большинство моделей управления не были рассчитаны на тот объем сценариев использования ИИ, которые внедряются в настоящее время. Опрос 950 бизнес-лидеров из 10 отраслей, проведенный с 23 февраля по 18 марта 2026 года. — Grant Thornton, отчет об исследовании AI Impact Survey за 2026 год. ↗ https://www.grantthornton.com/services/advisory-services/artificial-intelligence/2026-ai-impact-survey
Почти три из четырех организаций предоставляют агентскому ИИ доступ к своим данным и процессам; 78% руководителей бизнеса не уверены в том, что смогут пройти независимый аудит управления ИИ в течение 90 дней; в отчете утверждается, что большинство моделей управления не были рассчитаны на тот объем сценариев использования ИИ, которые внедряются в настоящее время. Опрос 950 бизнес-лидеров из 10 отраслей, проведенный с 23 февраля по 18 марта 2026 года. — Grant Thornton, отчет об исследовании AI Impact Survey за 2026 год. ↗ https://www.grantthornton.com/services/advisory-services/artificial-intelligence/2026-ai-impact-survey
- Модели и агенты могут быть зарегистрированы через SDK; каждый актив связан с вариантом использования, который он обслуживает, данными, от которых он зависит, и записью в каталоге, которая им управляет; владелец устанавливает уровень риска. — Страница решения Alation AI Governance, по состоянию на 20 октября 2026 г. ↗ https://www.alation.com/solutions/ai-governance/
Модели и агенты могут быть зарегистрированы через SDK; каждый актив связан с вариантом использования, который он обслуживает, данными, от которых он зависит, и записью в каталоге, которая им управляет; владелец устанавливает уровень риска. — Страница решения Alation AI Governance, по состоянию на 20 октября 2026 г. ↗ https://www.alation.com/solutions/ai-governance/
- Шесть встроенных коннекторов (Amazon Bedrock, Amazon SageMaker, Databricks MLflow, Microsoft Copilot Studio, Microsoft Foundry, Snowflake Cortex); отслеживание происхождения регуляторных рисков каждого агента через используемые им актуальные данные; улучшения AI Governance доступны уже сейчас; онтологии, интеллектуальные каналы (Intelligent Feeds), консоль и управляемые коллекции находятся на этапе раннего доступа. — Пресс-релиз Alation, 17 сентября 2026 г. ↗ https://www.alation.com/news-and-press/alation-launches-aios-tm-expansion-with-six-products-that-accelerate-ai-transformation/
Шесть нативных коннекторов (Amazon Bedrock, Amazon SageMaker, Databricks MLflow, Microsoft Copilot Studio, Microsoft Foundry, Snowflake Cortex); отслеживание происхождения агентов для оценки регуляторных рисков каждого агента на основе используемых им оперативных данных; улучшения в области управления ИИ (AI Governance), доступные уже сейчас; онтологии, интеллектуальные ленты (Intelligent Feeds), консоль и управляемые коллекции (Governed Collections) в раннем доступе. — Пресс-релиз Alation, 17 сентября 2026 г. ↗ https://www.alation.com/news-and-press/alation-launches-aios-tm-expansion-with-six-products-that-accelerate-ai-transformation/
- Удаленный сервер MCP динамически определяет список своих инструментов и может отфильтровывать те, которые текущий пользователь не может использовать; интеграция MCP предоставляет возможности контекста любому клиенту MCP; Agent Studio поддерживает создание, доработку и развертывание агентов. — README для Alation AI Agent SDK (обновление от 4 ноября 2025 г.), доступно по состоянию на 20 октября 2026 г. ↗ https://github.com/Alation/alation-ai-agent-sdk
Удаленный сервер MCP динамически определяет список своих инструментов и может отфильтровывать те, которые текущий пользователь не может использовать; интеграция MCP предоставляет возможности контекста любому клиенту MCP; Agent Studio поддерживает создание, доработку и развертывание агентов. — README для Alation AI Agent SDK (обновление от 4 ноября 2025 г.), доступно по состоянию на 20 октября 2026 г. ↗ https://github.com/Alation/alation-ai-agent-sdk
- Ваш поставщик идентификационных данных управляет подготовкой, секретами и их ротацией; Alation не выпускает, не обновляет и не аннулирует учетные данные, а хранит реестр, журнал подтверждений и политику, которая следует за данными; идентификатор агента может быть привязан записью о делегировании к ограничениям человека с указанием срока действия прав. — Блог Alation, «Кто авторизовал вашего ИИ-агента? Цепочка команд для автономных действий», 28 сентября 2026 г. ↗ https://www.alation.com/blog/ai-agent-delegated-authority/
Ваш поставщик идентификационных данных управляет подготовкой, секретами и их ротацией; Alation не выпускает, не обновляет и не аннулирует учетные данные, а хранит реестр, журнал подтверждений и политику, которая следует за данными; идентификатор агента может быть привязан записью о делегировании к ограничениям человека с указанием срока действия прав. — Блог Alation, «Кто авторизовал вашего ИИ-агента? Цепочка команд для автономных действий», 28 сентября 2026 г. ↗ https://www.alation.com/blog/ai-agent-delegated-authority/
