Am 18. November 2026 hat Microsoft eine öffentliche Vorschau von agent controls veröffentlicht, einem verwalteten Azure-Dienst, der Agenten-Policies zentral speichert und zur Laufzeit auswertet. Die Policies nutzen die offene Agent Control Specification (ACS), und Agenten erreichen den Dienst über die Abfangpunkte von Agent Hooks. Unser Beitrag vom Oktober hat die ACS-Projekte und den Agent-Hooks-Vertrag verglichen; dieser behandelt den gehosteten Dienst.
Die Ankündigung nennt die Vorschau eine Enterprise-Control-Plane für das Verhalten von Agenten. Die Dokumentation beschreibt eine gehostete Entscheidungs-API: Jeder Aufruf liefert ein Policy-Verdict für ein Ereignis. Durchsetzung, Umgang mit Ausfällen, der menschliche Freigabe-Workflow, laufende Summen für Summenlimits, die Kontoautorisierung innerhalb jedes Tools und der Datensatz darüber, was tatsächlich ausgeführt wurde, liegen alle in der Host-Anwendung. Wir haben die Ankündigung und die Dokumentation auf Microsoft Learn gelesen, das verlinkte Material am 20. November geprüft und einen Testplan für die Host-Seite geschrieben. Dieser Beitrag gehört zu unseren Forschungsnotizen zur Ausführung von Agenten: Jede Notiz liest eine aktuelle Quelle genau, berichtet, was wir selbst geprüft haben, und endet mit einer Ressource, die Sie in Ihrem eigenen System einsetzen können.
Was Microsoft angekündigt hat
Die Ankündigung Introducing agent controls: An enterprise control plane for agent behavior stammt von Mehrnoosh Sameki, Mohamed Elmergawi, Mike Shi, Liam Crumm und dem Responsible-AI-Team von Microsoft. Zur Ankündigung.
Die Policies liegen in einem Azure-AI-Content-Safety-Konto: Rego-Module werden als raiRegos-Ressourcen hochgeladen, das ACS-Manifest wird als raiPolicies-Ressource veröffentlicht, und eine optionale raiBindings-Ressource verknüpft eine Policy mit einer Agentenressource. An jedem konfigurierten Eingriffspunkt sendet der Host das Ereignis an den Endpunkt Unified Moderate und erhält ein Verdict (Urteil). Eine Policy kann Content-Safety-Klassifikatoren, vom Kunden geschriebene LLM-Judges und Rego-Regeln kombinieren, die deren Ergebnisse mit dem Anfragekontext verknüpfen. Laut Microsoft Learn zahlen Kunden in der Vorschau nur für die Klassifikator- und Modellnutzung, die ihre Auswertungen auslösen, und der Dienst braucht ein für die Vorschau freigeschaltetes Konto in einer unterstützten Region.
Agent Hooks definiert acht Abfangpunkte. Die aktuelle Version von Unified Moderate, 2026-09-01-preview, akzeptiert vier Ereignisquellen: input, output, pre_tool_call und post_tool_call.
Der Entscheidungsvertrag
Der Dienst gibt allow, deny oder transform zurück. Warnungen werden als Metadaten eines Verdicts übermittelt. Eine menschliche Prüfung wird als deny mit einem approval-Objekt ausgedrückt, und Microsoft Learn sagt deutlich, was das bedeutet: „Eine Prüfentscheidung ist ein deny, bis Ihr Host sie auflöst.“ und „Das approval-Feld eröffnet keine Prüfwarteschlange und erteilt keine Berechtigung.“ Dieselbe Seite weist Hosts an: „Binden Sie jede Freigabe an die genaue Aktion und die ausgewerteten Werte.“ API and operations.
Auch Fehlerbehandlung und das Auswerten der Antwort liegen beim Host. HTTP 200 bedeutet nur, dass die Auswertung abgeschlossen wurde; die Antwort enthält neben acsVerdict.decision ein verdict mit dem Wert allowed oder blocked. Learn weist Hosts an, die Aktion bei HTTP 429, 500 und 503, bei Transportfehlern und Zeitüberschreitungen sowie bei fehlerhaften oder widersprüchlichen Verdicts blockiert zu halten und Wiederholungen innerhalb einer begrenzten Frist durchzuführen. Die Übersicht ergänzt, dass der Host genau die Werte auslösen muss, die er hat auswerten lassen: „Wer einen Satz Tool-Argumente auswertet und einen anderen auslöst, umgeht die Policy.“ Der Beitrag zum Freigabe-Lebenszyklus zeigt, was im Host zwischen einer Entscheidung und ihrer Wirkung schiefgeht.
Das Caldova-Beispiel lesen
Die Beispielbank der Ankündigung, Caldova, hat drei Regeln: Überweisungen über 10.000 US-Dollar gehen in eine menschliche Prüfung, Kundinnen und Kunden in finanzieller Notlage werden an eine Fachkraft übergeben, und keine personenbezogenen Kundendaten (PII) verlassen das System in einer Antwort. Die Policy bindet einen Notlage-Judge an input, eine Überweisungsregel an pre_tool_call und einen PII-Klassifikator an output.
- Die abgedruckte Überweisungsregel lehnt die Überweisung direkt ab. Das Rego-Modul verwendet standardmäßig deny mit dem Grund
tool_call_not_permittedund erlaubttransfer_fundsnur für USD-Beträge über 0 und bis 10.000. Eine Anfrage über 25.000 US-Dollar fällt auf das Standard-deny. Um sie in eine Prüfung zu leiten, braucht es ein deny mit approval und einen Prüf-Workflow im Host; das Beispiel liefert keines von beiden. - Das Tool prüft das Konto weiterhin. Nach der Regel zur Kontoabfrage heißt es im Artikel: „Die Tool-Implementierung prüft weiterhin den Zugriff des Aufrufers auf dieses Konto.“ Die Policy prüft den Aufruf vorab; das Tool setzt die Berechtigung durch.
- Ein Limit pro Aufruf sieht einen Aufruf. Die Regel prüft jede Überweisung für sich. Ein Tages- oder Kundenlimit braucht maßgebliche laufende Summen im Anfragekontext.
- Der Judge liefert Rubrik-Scores. Der Notlage-Judge kennzeichnet eine Nachricht als
hardship,no_hardshipoderuncertainmit den Scores 10, 0 und 5, die laut der Rubrik selbst keine Wahrscheinlichkeiten sind. Der Stopp von Kreditangeboten und die Übergabe sind Verhalten des Hosts.
Was ein Beleg festhält
Die Ankündigung sagt: „Jede Auswertung liefert außerdem einen Beleg, der die angewandten Policies und Versionen identifiziert. Anwendungen halten diese Belege zusammen mit den Ausführungsergebnissen fest, sodass Teams jede Aktion bis zur Richtlinienentscheidung zurückverfolgen können.“ Die auf Learn dokumentierten Antwortfelder sind ein verdict, der ursprüngliche oder transformierte Inhalt und ein acsVerdict mit Entscheidung, Grund, Nachricht, Warnungen, approval, transform, Nachweisen und Klassifikatorergebnissen. Keine der beiden Quellen zeigt ein Feld namens receipt, eine Signatur oder ein Prüfverfahren.
Der Beleg identifiziert in der veröffentlichten Form also die Policy, und das Antwortschema zeigt keine Signatur. Die Verbindung zur Aktion hängt am Host: was er über das gesendete Ereignis festgehalten hat, welche Argumente er ausgelöst und welches Ergebnis er beobachtet hat. Wenn Sie einem Auditor später zeigen müssen, dass eine bestimmte Aktion unter einer bestimmten Policy-Version lief, schreiben Sie diese Zuordnung selbst und schützen Sie sie als Nachweis.
Was wir am 20. November geprüft haben
Jede Prüfung ist mit ihrem Ergebnis in einem Anhang zum Host-Testplan (auf Englisch) aufgeführt.
- Beispiele. Der Artikel verlinkt Beispiele unter
microsoft-foundry/foundry-samples. Der Verzeichnisbaum lieferte HTTP 404, und die GitHub-API lieferte 404 für das Repository selbst. Die Ankündigung, die Learn-Seiten und die offenen Repositories für ACS und Agent Hooks lieferten alle 200. - Policy-Selektor. Der Artikel übergibt die vollständige ARM-Ressourcen-ID der Policy URL-kodiert als Query-Parameter
policyId. Der API-Leitfaden auf Learn setzt den Namen der veröffentlichten Policy alspolicyIdin den JSON-Body und weist Aufrufer an, ihn aus dem Query-String herauszuhalten. Alle Seiten stimmen bei der API-Version2026-09-01-previewüberein; folgen Sie Learn, wenn sich die beiden unterscheiden. - Framework-Unterstützung. Microsoft Agent Framework dokumentiert Agent Hooks in Python als experimentell und in .NET und Go als noch nicht implementiert. Tools, die der Modellanbieter ausführt, durchlaufen nur
post_model_call;pre_tool_callkann ihre serverseitige Ausführung daher nicht blockieren. - Grenzen der Durchsetzung in der Dokumentation. Die Übersicht auf Learn hält fest, dass agent controls „Ihren Agenten nicht ausführt, seine Tools nicht ausführt, seinen Prozess nicht in einer Sandbox isoliert und keinen Pfad kontrolliert, der Ihren Abfangcode umgeht.“ Ein deny bei
post_tool_callhindert den Agenten daran, ein Ergebnis zu verwenden; die Nebenwirkungen des Tools sind dann bereits eingetreten. Agent Framework puffert die Ausgabe, bis die Ausgabeprüfung bestanden ist; ein Host, der Tokens vor dieser Prüfung streamt, kann sie nicht zurückholen.
Ein Testplan für den Host
Für einen Entscheidungsdienst ist nichts davon ungewöhnlich, und dieselben Tests gelten für jede gehostete Policy-Engine, auch für die von KLA. Bei einer Vorschau ohne veröffentlichte Messungen zu Latenz, Umgehungen oder Ergebnissen lohnt es sich, sie vor der Produktion auszuführen. Der Host-Testplan (auf Englisch) führt vierzehn Fälle auf; hier sind sieben.
| Fall | Vorgehen | Bestanden, wenn |
|---|---|---|
| Auslösung entspricht Auswertung | Ein Argument nach dem Verdict ändern | Der geänderte Aufruf wird neu ausgewertet oder verweigert |
| Prüfung angefordert | Ein deny mit approval zurückgeben | Die Aktion bleibt blockiert, bis Ihr Workflow eine an die ausgewerteten Werte gebundene Entscheidung festhält |
| Dienst nicht verfügbar | 503 und eine Zeitüberschreitung erzwingen | Die Aktion bleibt blockiert; Wiederholungen enden an einer Frist; Ereignis festgehalten |
| Nicht abgedeckter Pfad | Ein Tool ausführen, das der Modellanbieter serverseitig ausführt, oder einen Pfad ohne Hook | In Ihrem Kontrollinventar als nicht abgedeckt geführt, mit einer eigenen Kontrolle |
| Transformation | Ein transformiertes Tool-Argument zurückgeben | Ersatz vor der Auslösung gegen Ihr Schema validiert und genau einmal angewandt |
| Summenlimit | Zwei Überweisungen unter dem Limit pro Aufruf senden, die zusammen das Tageslimit überschreiten | Die zweite wird abgelehnt, weil der Kontext die laufende Summe enthielt |
| Zuordnung | Eine ausgelöste Aktion aus der Vorwoche auswählen | Sie können die Policy-Version, das gesendete Ereignis, die ausgelösten Argumente und das beobachtete Ergebnis benennen |
Wie sich KLA im Design unterscheidet
KLA legt den Freigabe-Workflow und die Nachweise in die Control Plane. Die KLA Policy Engine liefert eines von vier Ergebnissen: allow, warn, require_approval oder block. Ein Ergebnis require_approval eröffnet in KLA einen Decision Request, und bei Aktionen über den KLA-Eingangspunkt für Agentenaktionen (agent action ingress) ist die Freigabe an die festgeschriebenen Argumente und den Argument-Hash des Vorschlags gebunden. Schlägt die Auswertung fehl, liefert die Engine ihre Fail-Closed-Entscheidung, standardmäßig require_approval. Ergebnisse werden als signierte Governance-Belege in ein Append-only-Ledger pro Mandant geschrieben, und Sealed Evidence Bundles enthalten die öffentlichen Schlüssel, die ein Offline-Verifier braucht. Wie bei jedem Entscheidungsdienst gilt: Ein Agent, der KLA nie aufruft, wird von KLA nicht gesteuert.
Häufig gestellte Fragen
Was ist Microsoft agent controls?
Ein verwalteter Azure-Dienst, seit dem 18. November 2026 in öffentlicher Vorschau, der Policies nach der Agent Control Specification als Azure-Ressourcen speichert und Agentenereignisse über eine gehostete API namens Unified Moderate auswertet. Policies können Content-Safety-Klassifikatoren, LLM-Judges und Rego-Regeln kombinieren. Der aufrufende Host setzt das Ergebnis durch.
Unterstützt Microsoft agent controls menschliche Freigaben?
Eine Policy kann ein deny zurückgeben, das ein approval-Objekt trägt. Laut Microsoft Learn eröffnet das approval-Feld keine Prüfwarteschlange und erteilt keine Berechtigung: Der Host muss den Prüf-Workflow betreiben und jede Freigabe an die genaue Aktion und die ausgewerteten Werte binden.
Was geschieht, wenn der Dienst agent controls nicht verfügbar ist?
Microsoft Learn weist Hosts an, die Aktion bei Antworten mit 429, 500 und 503, bei Transportfehlern und Zeitüberschreitungen blockiert zu halten und Wiederholungen nur innerhalb einer begrenzten Frist durchzuführen. Dieses Verhalten hängt davon ab, dass der Host es implementiert.
Sind die Belege von agent controls manipulationsnachweisbar?
Laut Ankündigung liefert jede Auswertung einen Beleg, der die angewandten Policies und Versionen identifiziert. Stand 20. November 2026 zeigen weder die Ankündigung noch die API-Referenz auf Learn ein Belegschema, eine Signatur oder ein Prüfverfahren; das veröffentlichte Material belegt daher keinen Manipulationsnachweis.
Die wichtigsten Erkenntnisse
Agent controls gibt Teams einen zentralen Ort, um Agenten-Policies über Frameworks hinweg zu schreiben und auszuwerten. Die Entscheidung ist ein Schritt; der Host löst weiterhin die ausgewerteten Werte aus, führt die Prüfung durch, hält Aktionen blockiert, wenn der Dienst ausfällt, und hält fest, was tatsächlich geschehen ist. Testen Sie diese Host-Pfade vor der Produktion mit dem Host-Testplan (auf Englisch).
Die Quellen wurden am 20. November 2026 geprüft. Wir hatten kein Vorschaukonto und haben keine Auswertung gegen den Dienst ausgeführt. Microsoft hat keine Messungen zu Latenz, Umgehungen oder Ergebnissen für den Dienst veröffentlicht. Dieser Beitrag enthält kein Produktionsergebnis von KLA.
