OpenAI介绍了在真实开发流程中安全部署Codex的做法，包含沙箱与审批、受限网络策略、身份与凭证管理、规则与托管配置等控制措施；同时通过agent原生的OpenTelemetry日志与合规平台为安全团队提供可审计的因果链与AI辅助分析。文章强调以低风险操作无缝执行、高风险操作显式审批、并保持可审计性为目标，从而支持受控的编码代理普及。
背景
– 随着AI能力提升，编码代理能自主读取仓库、执行命令并与开发工具交互，需相应的安全治理。
控制措施概览
– 目标：把代理限制在清晰技术边界内，低风险操作无阻，高风险操作需审批，并保留代理原生遥测以便审计。
沙箱与审批
– 沙箱限定执行边界（可写目录、网络访问、受保护路径）。
– 审批策略决定何时请求用户许可（可一次性或会话内默认批准）。
– Auto-review 模式可对常见低风险请求自动批准，减少中断。
网络策略
– 禁止开放式出站访问；使用托管网络策略允许常见目标、阻止不期望域、对陌生域要求审批。
– 支持本地绑定、缓存检索和域白名单/黑名单配置示例。
身份与凭证管理
– CLI 与 MCP OAuth 凭证存于安全系统密钥链，强制通过 ChatGPT 登录并绑定企业工作区；活动可见于 ChatGPT 合规日志平台。
行为规则
– 使用规则对常见安全命令进行分级（例如允许只读的 gh/pr 查看、允许 kubectl 的调试查询），危险命令可阻止或要求审批。
托管配置
– 通过云端要求、macOS 管理偏好与本地 requirements 文件下发不可覆盖的管理员强制配置，适用于桌面、CLI 与 IDE 插件等多个端点。
Agent原生遥测与审计链
– 支持 OpenTelemetry 导出用户提示、审批决策、工具执行结果、网络代理放行/阻止等事件。
– 日志可汇入 SIEM 与合规系统，并在 OpenAI 合规平台中供企业/教育客户查看。
– 与AI安全分流（triage）代理结合：当端点告警出现，使用Codex日志重建意图、审批决策和网络事件，协助区分正常行为、错误与真实异常并上报。
运营与展望
– 通过遥测监测内部采用情况与策略触发频率，调整部署节奏。文章指出，随着编码代理融入开发流程，安全团队需采用专门工具来管理这一变化。
这套以沙箱+审批+原生遥测为核心的方案，为企业在保速率的同时实现可审计的编码代理落地提供了清晰路径。