guard

必須の準備

/agent-workflow を呼び出してください。これにはワークフローの原則、アンチパターン、コンテキスト収集プロトコルが含まれています。先に進む前にプロトコルに従ってください。ワークフローのコンテキストがまだ存在しない場合は、必ず最初に /teach-maestro を実行してください。

agent-workflow スキルの guardrails-safety リファレンスを参照し、多層防御フレームワークの全容を確認してください。

ワークフローに安全境界を追加します。ガードは、悪意のある入力、意図しない出力、データ漏えい、コストの急増、自律システムが現実世界で問題を起こすあらゆる事態から保護します。

脅威の評価

ガードを追加する前に、何から保護するのかを理解してください。

脅威	リスクレベル	ガードの種類
プロンプトインジェクション	高	入力のサニタイズ、指示の優先順位
PII の漏えい	高	出力のフィルタリング、データのマスキング
コストの急増	高	トークン予算、レート制限
未承認のアクション	中	権限のスコープ設定、確認ゲート
ハルシネーション	中	出典の明示、ファクトチェック
サービスの悪用	中	レート制限、認証

ガードの実装

入力ガード

Before processing any input:
1. Validate against schema (reject malformed)
2. Check size limits (reject oversized)
3. Sanitize for injection patterns
4. Rate limit check (reject if exceeded)
5. Authentication/authorization check

出力ガード

Before returning any output:
1. Schema validation (format correct?)
2. PII scan (names, emails, SSNs, etc.)
3. Content policy check
4. Confidence threshold check
5. Source attribution present?

コストガード

Before every model/API call:
1. Check remaining budget
2. Estimate request cost
3. If estimate > remaining budget → reject or use cheaper alternative
4. After call → update spent amount
5. Circuit breaker check (too many failures?)

権限ガード

For every tool call:
1. Is this tool allowed for this user/context?
2. Is this a destructive operation? → require confirmation
3. Is this accessing data the user is authorized for?
4. Log the access for audit trail

ガードのチェックリスト

• 処理前にすべての入力を検証する
• すべての出力で PII を検出する
• コスト上限を設定し、確実に適用する
• プロンプトインジェクション対策を有効にする
• 破壊的な操作には確認を必須とする
• 監査用にすべてのアクセスを記録する
• 外部サービスにサーキットブレーカーを設ける
• すべてのエンドポイントにレート制限を設ける

推奨される次のステップ

ガードを追加したら、攻撃を想定したテストシナリオで /evaluate を実行し、攻撃を受けてもガードが機能することを確認してください。

絶対にしてはいけないこと：

• 入力を検証せずにデプロイする
• 検証せずに、重大な判断でモデルの出力を信頼する
• コスト管理なしで実行する
• ログ記録を省略する（監査証跡が必要です）
• モデルが常に安全指示に従うと思い込む