Identitäts- und Reputationsschicht für OpenClaw-Agenten

Ein Entwicklerteam hat eine Identitäts- und Reputationsebene auf OpenClaw aufgebaut, um ein spezifisches Problem anzugehen: Wenn KI-Agenten Aktionen in einem Workflow verketten, löst sich die Identitätsinformation bis zum dritten Schritt auf, sodass alles von einem generischen Dienstkonto zu stammen scheint. Dies kann in der Produktion riskant sein, insbesondere bei Operationen, die Geldbewegungen betreffen.

Die Lösung: Drei Komponenten

Die Lösung des Teams bestand darin, Identität in den Ausführungspfad selbst zu integrieren, anstatt sie als Konfiguration hinzuzufügen. Ihr Stack besteht aus drei Hauptteilen:

• MCP-I (Identität zur Ausführungszeit): Jede Aktion läuft mit einem strukturierten Anspruch. Beispiel: "Agent {agent_uuid} handelt im Auftrag von Dwayne aus der Buchhaltung, mit Umfang [user:read, subscription:write], zum Zweck der Abstimmung unserer Aufzeichnungen für den Monat." Dies bietet mehr Details als eine einfache "gültiger Schlüssel"-Prüfung und verfolgt die Identität durch alle Schritte eines Workflows. Das Team hat MCP-I um dieses Modell herum aufgebaut und die Spezifikation an die Decentralized Identity Foundation gespendet, wodurch es ein offener Standard wurde. Das GitHub-Repository ist öffentlich.
• IdentiClaw: Diese Komponente befasst sich mit dem Identitätskollaps, der in der Kette von Agent → Werkzeug → Dienst → Agent auftritt. Ihr Zweck ist es, dieselbe Identität und Delegationskette durchgehend beizubehalten und eine End-to-End-Zuordnung zu ermöglichen.
• knowthat.ai: Beschrieben als "Yelp für KI-Agenten", ist dies ein Register, in dem jeder Agent automatisch registriert wird und Interaktionen zu einer Erfolgsbilanz führen. Es ermöglicht Entwicklern, das Verhalten über mehrere Durchläufe hinweg zu untersuchen, um Fragen zu beantworten wie: "Ist dieser Agent im Rahmen geblieben oder ist er abgedriftet?" oder "Hat dieser Agent eine Vorgeschichte des Betrugs unschuldiger Bürger?" Das Team beschreibt es weniger als Protokollierung und mehr als Gedächtnisschicht.

Das Ziel des Teams ist einfach: Workflows, die mit Benutzerabsicht beginnen, sollten als zurechenbare Aktionen enden, mit Prüfprotokollen, die dokumentieren, was passiert ist und für wen es war. Sie glauben, dass dieser Ansatz helfen kann, agentenbezogene Probleme in Produktionsumgebungen zu verhindern.