รู้จักกับ SAM: เครือข่าย P2P ไร้การตั้งค่าสำหรับ AI
เจาะลึก Sovereign Agent Mesh เครือข่าย P2P ความปลอดภัยสูงสำหรับ AI Agents รองรับการตรวจสอบสิทธิ์แบบออฟไลน์ผ่านโทเค็น Biscuit และระบบ Secure Outbound Gateway
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- SAM คือเครือข่าย P2P แบบ zero-config และ zero-trust สำหรับ AI Agents
- ใช้การแปลง OIDC JWT เป็น Biscuit token เพื่อตรวจสอบสิทธิ์แบบออฟไลน์
- Secure Outbound Gateway ช่วยปกป้องคีย์ลับโดยไม่ให้แซนด์บ็อกซ์เข้าถึงโดยตรง
- รองรับการใช้งานร่วมกับเครื่องมือยอดนิยมอย่าง Gemini และ Claude Code
ในยุคที่เอเจนต์ปัญญาประดิษฐ์หรือ AI Agents เริ่มเข้ามามีบทบาทสำคัญ การเชื่อมต่อและการสื่อสารระหว่างเอเจนต์อย่างปลอดภัยจึงกลายเป็นโจทย์ใหญ่ ล่าสุดได้มีการเปิดตัวโปรเจกต์ Sovereign Agent Mesh (SAM) ซึ่งถูกออกแบบมาให้เป็นเครือข่ายแบบ Peer-to-Peer (P2P) ในรูปแบบ zero-config และ zero-trust สำหรับ AI Agents โดยเฉพาะ แม้ซอร์สโค้ดจะมีข้อความปฏิเสธความรับผิดชอบระบุว่าเป็นโปรเจกต์ที่ไม่ใช่ผลิตภัณฑ์อย่างเป็นทางการของ Google และตัวเครือข่ายสาธารณะยังอยู่ในสถานะทดสอบแบบเบตา แต่โครงสร้างวิศวกรรมภายในกลับถูกพัฒนาขึ้นในระดับที่พร้อมใช้งานจริง
การใช้งานโหนดในเครือข่ายนี้เริ่มต้นได้ง่ายๆ ด้วยคำสั่ง sam-node join และรันด้วยคำสั่ง sam-node run โดยระบบเครือข่ายใต้ libp2p จะใช้งานพอร์ต 5001/udp และ 5002/tcp ขณะที่ตัว Local MCP API จะตั้งค่าเริ่มต้นไว้ที่พอร์ต 8080 จุดที่น่าสนใจเป็นพิเศษคือกลไกการควบคุมที่เริ่มจากการตรวจสอบ OIDC JWT ก่อนจะแปลงข้อมูล claims ออกมาเป็น Datalog facts และผนึกข้อมูลเหล่านั้นลงใน Biscuit token โดยข้อมูล sub จะถูกแปลงเป็น user(...) ส่วนกลุ่มต่างๆ จะกลายเป็น group(...) และ peer ID จะถูกผูกเข้ากับ client_peer_id(...)
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ผลลัพธ์จากกระบวนการดังกล่าวทำให้โหนดต่างๆ สามารถตรวจสอบสิทธิ์การใช้งานได้แบบออฟไลน์ โหนดสามารถประเมินโทเค็นที่ได้รับเทียบกับกฎภายในของตนเองได้ทันทีโดยไม่ต้องติดต่อกลับไปยังศูนย์กลาง ระบบการบังคับใช้สิทธิ์ถูกตั้งค่าไว้แบบเข้มงวดในลักษณะ default-deny ซึ่งหมายความว่าการเข้าถึงใดๆ จำเป็นต้องได้รับสิทธิ์อย่างชัดเจนผ่าน capability fact เช่น granted_service_exact(...) โดยไม่มีข้อยกเว้นภายในระบบ แม้แต่ระบบแคตตาล็อกการค้นหาอย่าง system://sam.catalog ก็ต้องได้รับการอนุญาตเช่นกัน ส่วนบริการต่างๆ จะใช้รูปแบบ type://name พร้อมรองรับการใช้งาน wildcard เช่น mcp://* และ mcp://build-runner.*
แนวคิดการใช้ Biscuit token และ Datalog facts ร่วมกับการอนุญาตสิทธิ์แบบออฟไลน์ถือเป็นก้าวสำคัญในการออกแบบสถาปัตยกรรมความปลอดภัยสำหรับระบบกระจายศูนย์ (Decentralized Systems) โดยช่วยลดภาระของเซิร์ฟเวอร์ส่วนกลางในการตรวจสอบคำขอซ้ำๆ และช่วยให้ AI Agents สามารถสื่อสารกันได้อย่างปลอดภัยแม้ในสภาพแวดล้อมที่การเชื่อมต่ออินเทอร์เน็ตมีข้อจำกัดหรือต้องการความเป็นส่วนตัวสูง
ในทุกๆ คำขอจะผ่านกระบวนการตรวจสอบแบบสองขั้นตอน (two-stage pipeline) โดยขั้นตอนแรกจะคัดกรองการเชื่อมต่อกับแคชการแบนและการเพิกถอน ส่วนขั้นตอนที่สองจะรันตัวตรวจสอบ Biscuit จำนวนสองรอบ รอบแรกตรวจสอบโทเค็นระบุตัวตนของโหนดเพื่อสร้าง target_fact assertions และรอบที่สองตรวจสอบโทเค็นของผู้เรียกใช้งาน พร้อมทั้งมีการป้องกันการโจมตีแบบ Replay Attack โดยกำหนดให้ peer ID ของการเชื่อมต่อต้องตรงกับโทเค็น นอกจากนี้ผู้ดูแลระบบยังสามารถปรับลดสิทธิ์ในท้องถิ่นได้ เช่น การบล็อกเครื่องมือเขียนหลังเวลา 21:00 น. หรือการจำกัดสิทธิ์ผู้รับเหมา
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ตัวโหนดได้เตรียมเครื่องมือมาตรฐานสำหรับ MCP ไว้พร้อมสรรพ เช่น discover_remote_services, find_remote_tools และ call_remote_tool พร้อมทั้งมีคู่มือการใช้งานร่วมกับ Gemini, Claude Code, Claude Desktop, Google Antigravity และ OpenClaw นอกจากนี้ยังมีคำสั่ง sam-node skill install สำหรับเขียนไฟล์ SKILL.md เพื่อให้เอเจนต์สามารถเปิดใช้งานโหนดได้ด้วยตนเอง แต่กระบวนการเข้าสู่ระบบเพื่อลงทะเบียนยังคงถูกออกแบบให้ทำโดยมนุษย์เพื่อความปลอดภัย อีกทั้งยังมีระบบ Secure Outbound Gateway ที่เข้ามาอุดช่องโหว่ด้านความปลอดภัยของเอเจนต์ โดย nano-init จะทำหน้าที่เป็น PID 1 ในแซนด์บ็อกซ์และตั้งค่าตัวแปรสภาพแวดล้อมของพร็อกซี ส่วนเกตเวย์จะทำหน้าที่ตรวจสอบ Biscuit แทรกข้อมูลประจำตัวจริงจาก secrets.yaml และอัปเกรดคำขอเป็น HTTPS ทำให้แซนด์บ็อกซ์ของเอเจนต์ไม่ต้องถือคีย์ลับไว้เลยแม้แต่ตัวเดียว
"Note: The repo carries an explicit disclaimer: this is not an officially supported Google product."
MarkTechPost
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น