Jak działa policy as code?
Aplikacja pyta, silnik polityk decyduje, a aplikacja egzekwuje decyzję. Open Policy Agent ujmuje tę konstrukcję w jednym zdaniu: „OPA decouples policy decision-making from policy enforcement” (dokumentacja OPA, dostęp 16 listopada 2026). Wywołujący wysyła ustrukturyzowany JSON opisujący żądanie, a silnik ocenia go względem polityk. Oto reguła dla narzędzia do zwrotów używanego przez agenta AI, w składni Rego v1, w której OPA 1.0 uczyniło słowo kluczowe if obowiązkowym (przewodnik migracji z OPA v0, dostęp 16 listopada 2026):
package agent.refunds
default allow := false
allow if {
input.tool == "issue_refund"
input.amount <= 200
input.agent.scope == "support"
}
Wszystko, czego wprost nie dozwolono, jest odrzucane. Reguła żyje poza modelem, więc żaden prompt nie przekona jej do wyjątku.
Jakich narzędzi używa się do policy as code?
W praktyce większość policy as code obsługują cztery silniki, a każdy decyduje w innym miejscu.
| Narzędzie | Język | Gdzie zapada decyzja | Warto wiedzieć |
|---|---|---|---|
| Open Policy Agent | Rego | W każdej usłudze, która go odpytuje | Projekt CNCF ze statusem graduated od 4 lutego 2021 (CNCF) |
| OPA Gatekeeper | Rego | Admission w Kubernetesie | „Policy Controller for Kubernetes” (GitHub) |
| HashiCorp Sentinel | Sentinel | Produkty HashiCorp | Poziomy advisory, soft-mandatory i hard-mandatory (dokumentacja) |
| Cedar | Cedar | Autoryzacja w aplikacjach | Policy w Amazon Bedrock AgentCore ocenia wywołania narzędzi przez agentów na bramie (dokumentacja AWS) |
Wszystkie cztery źródła: dostęp 16 listopada 2026. Trzy poziomy Sentinela to ten sam podział na zezwól, zapytaj i odmów, którego potrzebują agenci: advisory zapisuje niepowodzenie w logu, soft-mandatory można obejść, a hard-mandatory nie.
Dlaczego policy as code ma znaczenie dla agentów AI?
Agent wybiera narzędzia w czasie działania, więc uprawnienie zapisane w jego prompcie jest tylko sugestią. Policy as code przenosi decyzję na granicę narzędzia, gdzie silnik polityk agenta sprawdza tożsamość, parametry i zakres, zanim cokolwiek się wykona, a odmowa naprawdę zatrzymuje wywołanie. AWS opisuje swoje polityki AgentCore jako przechwytujące „all agent traffic” przez bramę i oceniające każde żądanie „before allowing tool access” (źródło wyżej). Autoryzacja agenta powinna być deterministyczna, a wyjątki niech obsługuje zatwierdzanie narzędzi. Ogranicz każdą politykę do najmniejszych uprawnień, wersjonuj ją, recenzuj każdą zmianę i testuj ją przypadkami zezwolenia i odmowy, tak jak testujesz kod.
Jak w Soba Labs stosujemy policy as code?
Każda istotna zmiana, którą wprowadzają nasze zautomatyzowane procesy, trafia jako pull request. Potem bramka decyduje, czy zmiana zostanie scalona, tak samo w kodzie, dokumentach i na tej stronie. Bramka najpierw uruchamia deterministyczne kontrole: wersjonowany plik zakazanych wzorców, który wyznacza granice tego, co wolno opublikować, lint dodanych linii, skan sekretów i strażnika nazwy naszej spółki. Potem model językowy ocenia diff, a spisana rubryka w tym samym repozytorium jest jedyną ważną podstawą do odrzucenia zmiany; werdykt powołujący się na jakąkolwiek regułę spoza niej trafia do człowieka. Osobny workflow scala zmianę, gdy wszystkie kontrole są zielone.
Uczciwość tego układu zapewniają dwie decyzje. Pull request, który zmienia reguły samej bramki, czeka na człowieka, więc polityka nie może przepisać samej siebie. A uprawnienia decyzyjne naszych agentów, czyli które działania podejmują samodzielnie, które proponują, a o które pytają, zależą od rodzaju działania, nigdy od tego, jak pewny siebie czuje się agent. Dlaczego zmierzony sygnał wygrywa z pewnością deklarowaną przez sam model, wyjaśniamy w tekście o deterministycznych bramkach pewności (po angielsku).