11月17日、KongHQが「Agent, Identity & MCP Governance in One Control Layer」と題した記事を公開した。AIエージェント・Identity・MCPの3つのガバナンス領域を別々のスタックで管理することで生じる「監査の空白」を整理し、単一のランタイム制御レイヤーに統合するアーキテクチャ設計について詳しく解説している。ガバナンス基盤を持たずにエージェントAIを本番投入する組織が増えている現在、実装に直結する内容だ。
なぜ「別々のスタック」が危険なのか
AIエージェントのガバナンスを語る際、「エージェントガバナンス」「IDガバナンス」「MCPガバナンス」の3つが混同されがちだ。しかし記事はこの3つを明確に区別した上で、それぞれを別スタックで管理することこそが最大のリスクだと指摘する。
具体的な失敗シナリオとして、サポートチケットのトリアージエージェントを例に挙げる。開発者が共有サービスアカウントの認証情報を与え、チームメンバーが審査なしに立ち上げたMCPサーバーを接続したとする。そのMCPサーバーには顧客レコードを更新するツールが露出しており、エージェントがそれを呼び出す。インシデント後のレビューで何が起きるかというと:
- IdP(IDプロバイダー)は「共有サービスアカウントへのトークン発行」を記録しているが、どのエージェントが使ったかは不明
- エージェントフレームワークはツール呼び出しを記録しているが、サーバーが承認済みかどうかは知らない
- MCPサーバーはサービスアカウントからのリクエストを記録しているが、背後のエージェントや人物は不明
3つのシステム、3つの部分的なログ、そして「誰が顧客レコードを変更し、誰がそれを許可したのか」という監査人の問いに誰も答えられない。
この状況はOWASP MCP Top 10の複数項目に該当する。共有認証情報はMCP01(トークン漏洩)、過剰なツール権限はMCP02(スコープクリープによる権限昇格)、リクエストを呼び出し元に紐づけられないサーバーはMCP07(不十分な認証・認可)だ。
Gartnerは2029年までに、本番環境でエージェントAIを運用する組織の70%以上がサービス・セキュリティ・コストに関わる重大インシデントを経験すると予測している(元記事内で引用されているGartner予測。調査レポート名・URLの記載は元記事にはなく、直接Gartnerのサイトで確認されたい)。
アイデンティティがすべてのポリシーの基軸になる
記事が最も強調するのが「認証済みプリンシパル」をポリシーの共通キーにするという設計思想だ。プリンシパルとは、呼び出しを行う人間・エージェント・ワークロードのいずれかを指す。
「匿名の呼び出し元へのレート制限は、全員へのレート制限と同じだ」
レート制限、ツール権限、コスト帰属、監査レコードのすべてが、この認証済みプリンシパルに紐づく必要がある。
現状はどうか。CSA(クラウドセキュリティアライアンス)の調査によると、エージェントの正式なIDポリシーを持つ組織はわずか**23%、エージェントの行動やアクセス制御に関するコンプライアンス監査をパスできる組織は16%**に過ぎない。
エンタープライズ向けMCP認可:ID-JAGの仕組み
エンドユーザー単位・MCPサーバー単位のOAuthコンセント画面はスケールしない。5,000人の従業員と40台のMCPサーバーがあれば、最大20万枚のコンセント画面が発生し、誰もレビューできないトークンが積み上がる。
記事が解法として紹介するのが**ID-JAG(Identity Assertion JWT Authorization Grant)**だ。これはIETFで策定中のOAuth拡張仕様であり、短命なJWTトークンを用いてIdPが「特定ユーザーが特定リソースへのアクセスを要求している」ことを保証する仕組みだ。フローは以下のようになる。
- ユーザーがSSOでサインイン
- MCPクライアントがIdPからID-JAGトークンを取得
- MCPサーバー側の認可サーバーがそのトークンをアクセストークンと交換
コンセント画面は不要で、アクセス定義はIdP側でグループ・ロール単位に一元管理される。記事ではこのID-JAGをサポートする実装例としてOkta Cross App Accessが挙げられており、Kong AI GatewayとOktaを組み合わせる形でエンタープライズ向けMCP認可を実現するアーキテクチャが説明されている。OAuthプロトコルレベルの仕様として標準化が進んでいる点が、ベンダー固有の仕組みと異なる重要な特徴だ。
単一制御レイヤーの構造
記事が提示するアーキテクチャは、LLMリクエスト・MCPツール呼び出し・A2A(エージェント間)通信・従来のAPIトラフィックの4種をすべて同一のランタイムで処理し、4つのガバナンス層を適用するものだ。
| ガバナンス層 | 内容 |
|---|---|
| 認証・アクセス制御 | 呼び出しごとの認証・認可 |
| 信頼性 | リトライ、フォールバック |
| コスト管理 | トークンクォータ、チャージバック |
| 可観測性・監査 | 全呼び出しのログ・SIEM連携 |
特に強調されているのがディスカバリ段階でのツールフィルタリングだ。エージェントが許可されていないツールを見ることができなければ、プロンプトインジェクション攻撃でそのツールを呼び出させることもできない。MCPサーバーは承認・登録されるまで到達不能にする設計を推奨している。
監査ログに必要なフィールド
ツール呼び出しとA2A呼び出しには以下のレコードが必要だと記事は指摘する:
- 呼び出し元ID(委任ユーザーがいる場合はその情報も)
- エージェント名
- 呼び出したツールまたは機能
- 引数
- ポリシー判断(許可・拒否・フィルタ済み)
- 結果・レイテンシ・消費トークン数
[NISTのAIリスク管理フレームワーク(AI RMF)](https://www.nist.gov/system/files/documents/2023/01/26/AI RMF 1.0.pdf)も引用されており、「エージェントがdelete_recordを呼んだ」ではなく「サポートエージェントがMariaの委任のもと、許可されたロールでdelete_recordを呼んだ」という形でコンテキストと権限を記録することを求めている。これらはOpenTelemetry経由でSIEMにエクスポートし、通常のAPIトラフィックと同じ場所でクエリできるようにする。
KongのAI Gatewayによる実装
記事はこのアーキテクチャの実装としてKong AI Gatewayを紹介している。重要な点として、Kongはあくまでもトラフィックパスでポリシーを執行するレイヤーであり、IDプロバイダー・IGA(IDガバナンス管理)ツール・エージェントフレームワーク自体は既存のものをそのまま使用できると明示されている。
具体的には、Kong AI GatewayのプラグインとしてMCPサーバーの登録・フィルタリングや、JWT検証・OAuthトークン交換、OpenTelemetryによる監査ログのエクスポートが行える構成が想定されている。すでにKong GatewayをAPIトラフィックで運用している組織であれば、同一ランタイムを拡張する形でエージェントトラフィックのガバナンスを追加できる。設定例や詳細なプラグイン構成についてはKong公式ドキュメントを参照されたい。
詳細はAgent, Identity & MCP Governance in One Control Layerを参照していただきたい。




