Progent — 最小权限 Agent 框架：SMT 验证 + 单调约束性

1. 解决的问题

最小权限原则在 Agent 中的实现：传统应用最小权限通过 OS/IAM 静态配置实现，但 LLM Agent 的工具调用集合在运行时动态变化，需要动态感知策略。Progent 用符号规则表示权限策略：`{tool: "purchase_order.create", constraints: {"amount": {"max": 1000}}}`，支持在任务执行中实时评估。

2. 核心算法逻辑

最小权限原则在 Agent 中的实现：传统应用最小权限通过 OS/IAM 静态配置实现，但 LLM Agent 的工具调用集合在运行时动态变化，需要动态感知策略。Progent 用符号规则表示权限策略：{tool: "purchase_order.create", constraints: {"amount": {"max": 1000}}}，支持在任务执行中实时评估。

3. 业务应用场景

场景一：WF-A 采购 Agent 权限管控

采购 Agent 初始化时自动生成策略： - `inventory.query`（无约束） - `purchase_order.create`（`amount ≤ 1000 USD`）

执行中，Agent 分析发现某 SKU 缺货严重，需下 5000 USD 大额 PO： 1. Agent 请求扩展策略：`purchase_order.create` 的 `amount ≤ 5000` 2. SMT 检测：5000 > 1000，属于策略扩张 → 触发人工审批 3. 采购经理在 Slack 收到通知，确认后 SMT 更新策略 4. 整个流程留有完整审计链

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

• 核心收益：广告预算误操作风险归零，大额 PO 强制人工确认，年化风险规避 30-80 万元
• Prompt Injection 防护：符号验证层无法被 LLM 层的注入攻击绕过，零误操作保证
• 实施难度：⭐⭐⭐☆☆（需集成 SMT 求解器如 Z3，约 2-3 天）
• 优先级：⭐⭐⭐⭐⭐（P0 生产阻塞）
• 参考：arXiv:2504.11703 | Progent Framework

7. 代码模板

代码块数量：1 · 路径：未检测到

# paper2skills-code/llm_agent_engineering/progent_privilege/model.py
# 完整实现见代码目录
from paper2skills_code.llm_agent_engineering.progent_privilege.model import (
    PrivilegePolicy, ArgumentConstraint, SMTChecker, ProgentFramework, MonotonicConfinementGuard
)

# WF-A 采购 Agent 初始策略
policy = PrivilegePolicy(
    allowed_tools=["inventory.query", "purchase_order.create"],
    argument_constraints={"purchase_order.create": ArgumentConstraint(max_amount=1000.0)},
)
guard = MonotonicConfinementGuard(initial_policy=policy)
framework = ProgentFramework(guard)

# 尝试扩权（下大额 PO）
result = framework.request_policy_update(
    new_tools=["inventory.query", "purchase_order.create"],
    new_constraints={"purchase_order.create": ArgumentConstraint(max_amount=5000.0)},
    reason="大额补货需要",
)
print(result.action, result.requires_approval)  # PENDING True

8. 论文来源

• 2504.11703