AI Agents with LangChain & Autonomous Workflows · Aula

Barreiras de segurança e comportamento seguro de agentes

Implemente barreiras práticas de segurança para agentes de IA — validação de entradas e saídas, filtragem de conteúdo e acesso restrito a ferramentas — para evitar ações prejudiciais ou não intencionais.

Aula 4 de 413 etapas

Barreiras de segurança e comportamento seguro de agentes é uma aula grátis de AI Agents with LangChain & Autonomous Workflows no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de AI Agents with LangChain & Autonomous Workflows, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de AI Agents with LangChain & Autonomous Workflows inclui 4 aulas no total.

Partes desta aula ainda não foram traduzidas e aparecem em inglês.

From Ethics to Engineering

Ethical principles need enforcement in code. Guardrails are the concrete controls that keep an agent within safe, intended boundaries at runtime.

They act on three points: the input, the model's reasoning, and the output or actions.

Input Guardrails

Check user input before it reaches the agent. Catch:

  • Prompt-injection attempts
  • Requests for disallowed topics
  • Personal data that should be redacted

Detecting Prompt Injection

Prompt injection tries to override your instructions (e.g. ignore previous rules). A simple guard flags suspicious phrases before processing.

BAD = ['ignore previous', 'disregard instructions']
if any(p in user_input.lower() for p in BAD):
    raise ValueError('Possible prompt injection')

Output Guardrails

Validate what the agent produces before showing it. Block unsafe content, leaked secrets, or off-policy answers, replacing them with a safe fallback message.

if contains_sensitive(answer):
    answer = 'I cannot share that information.'

Structured Output Validation

When an agent must return JSON, validate it against a schema. Reject or repair malformed output so downstream systems never receive bad data.

from pydantic import BaseModel

class Ticket(BaseModel):
    priority: str
    summary: str

Ticket.model_validate_json(agent_output)

Constraining Tool Access

The most dangerous actions come from tools. Give an agent only the tools it needs, and scope each one — read-only where possible, with limits on what it can affect.

Allowlists Over Blocklists

Define what is permitted rather than chasing every bad case. An allowlist of approved domains, tables, or operations is far safer than trying to enumerate everything to forbid.

ALLOWED_DOMAINS = {'docs.company.com'}
if domain not in ALLOWED_DOMAINS:
    raise PermissionError('Domain not allowed')

Moderation Models

Provider moderation endpoints classify text for harmful categories. Run inputs and outputs through them as an extra safety layer.

result = client.moderations.create(input=text)
if result.results[0].flagged:
    block()

Limiting Autonomy

Cap how much an agent can do unattended: max iterations, max tool calls, spending limits, and human approval for high-impact actions. Bounded autonomy prevents runaway behavior.

agent = create_agent(llm, tools, max_iterations=8)

Fail Safe, Not Open

When a guardrail is uncertain or a check errors, default to the safe choice — refuse or escalate — rather than letting the action through. A blocked safe request is better than an executed harmful one.

Logging and Review

Log every guardrail trigger. Reviewing these reveals attack patterns and false positives, letting you tune rules over time without weakening safety.

Quick Check

Test your guardrails knowledge.

Recap

You learned to engineer safe agent behavior:

  • Add input and output guardrails
  • Detect prompt injection and validate structured output
  • Constrain tool access with allowlists and scoping
  • Use moderation, limit autonomy, and fail safe
  • Log and review every trigger

Guardrails turn ethical intent into enforced, trustworthy agents.

Grátis para começar

Aprenda AI Agents with LangChain & Autonomous Workflows com um tutor de IA — grátis

Escreva e execute código real no seu navegador, obtenha ajuda instantânea de um tutor de IA 24/7 e continue de onde parou na web ou no app.

Cursos
12
Aulas
50

Perguntas Frequentes

A aula “Barreiras de segurança e comportamento seguro de agentes” é grátis?

Sim — o texto completo de “Barreiras de segurança e comportamento seguro de agentes” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de AI Agents with LangChain & Autonomous Workflows, atualize para CoddyKit PRO. O curso de AI Agents with LangChain & Autonomous Workflows inclui 4 aulas no total.

O que vou aprender em “Barreiras de segurança e comportamento seguro de agentes”?

Implemente barreiras práticas de segurança para agentes de IA — validação de entradas e saídas, filtragem de conteúdo e acesso restrito a ferramentas — para evitar ações prejudiciais ou não intencion… Você pratica AI Agents with LangChain & Autonomous Workflows com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar AI Agents with LangChain & Autonomous Workflows?

Nenhuma experiência prévia é necessária. AI Agents with LangChain & Autonomous Workflows no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.

Quanto tempo leva a aula “Barreiras de segurança e comportamento seguro de agentes”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de AI Agents with LangChain & Autonomous Workflows?

Sim. Cada aula de AI Agents with LangChain & Autonomous Workflows inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

  1. Considerações éticas sobre agentes de IA
  2. Viés, Equidade e Transparência
  3. Tendências Emergentes e Pesquisa
  4. Barreiras de segurança e comportamento seguro de agentes
← Voltar para AI Agents with LangChain & Autonomous Workflows