> ## Documentation Index
> Fetch the complete documentation index at: https://crewai-cursor-fix-human-input-security-docs-1d78.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# أفضل ممارسات الأمان لـ Agents في CrewAI

> إرشادات عملية لتكوين Agents وCrews في CrewAI بأمان في بيئات الإنتاج.

## نظرة عامة

يركز هذا الدليل على **ضوابط CrewAI الأصلية** التي يمكنك استخدامها لتقليل مخاطر الأمان في أنظمة الإنتاج.

الهدف بسيط: إبقاء سلوك الـ Agent محدودًا، بأقل امتياز، وقابلًا للمراجعة.

## 1) تحديد التنفيذ لمنع السلوك الجامح

استخدم حدود التنفيذ على Agents وCrews حتى تتدهور الأعطال بشكل متوقع بدلًا من التصاعد.

### الضوابط الموصى بها

* `max_rpm`: تحديد معدل الطلبات إلى المزودين
* `max_iter`: تحديد دورات التفكير/الأدوات التكرارية
* `max_execution_time`: مهلة صارمة للعمل الطويل

```python theme={null}
from crewai import Agent

analyst = Agent(
    role="Security Analyst",
    goal="Investigate and summarize incidents",
    backstory="Careful and methodical",
    max_rpm=30,
    max_iter=12,
    max_execution_time=180,
)
```

## 2) تطبيق أقل امتياز على الأدوات

تجنب منح كل أداة لكل Agent. امنح كل Agent فقط الأدوات المطلوبة لمهمته.

### لماذا يهم ذلك

* يقلل نطاق تأثير prompt injection أو أخطاء المنطق
* يمنع الوصول العرضي إلى أنظمة غير ذات صلة
* يحسّن إمكانية تتبع من يمكنه فعل ماذا

```python theme={null}
from crewai import Agent
from crewai.tools import FileReadTool, SerperDevTool

researcher = Agent(
    role="Researcher",
    goal="Collect external facts",
    backstory="Finds reliable sources",
    tools=[SerperDevTool()],
)

auditor = Agent(
    role="Document Auditor",
    goal="Review internal policy documents",
    backstory="Checks compliance language",
    tools=[FileReadTool()],
)
```

## 3) التعامل مع التفويض كحدود ثقة

عندما يكون `allow_delegation=True`، يمكن للـ Agent توجيه العمل إلى Agents أخرى. قد يكون ذلك مفيدًا، لكنه أيضًا حد أمني.

### أنماط تفويض آمنة

* اجعل التفويض معطّلًا افتراضيًا
* فعّله فقط للأدوار التي تحتاج فعلًا إلى orchestration
* ادمجه مع قيود Task واضحة وتنفيذ محدود

```python theme={null}
from crewai import Agent

coordinator = Agent(
    role="Coordinator",
    goal="Route specialized tasks",
    backstory="Delegates carefully",
    allow_delegation=True,
    max_iter=8,
)
```

## 4) تقييد المخرجات بالمخططات والتوقعات

استخدم مخرجات منظمة whenever possible لتقليل الاستجابات الغامضة أو غير الآمنة.

### الضوابط الموصى بها

* `output_pydantic` لمخرجات Task validated بالمخطط
* `expected_output` لوصف معايير قبول صارمة

```python theme={null}
from pydantic import BaseModel
from crewai import Task

class RiskSummary(BaseModel):
    severity: str
    findings: list[str]
    recommendation: str

security_task = Task(
    description="Review tool configuration for least privilege",
    expected_output="A structured risk summary with severity, findings, and recommendation.",
    output_pydantic=RiskSummary,
)
```

## 5) إضافة إشراف بشري للإجراءات عالية المخاطر

للعمليات الحساسة (مثل الإجراءات المالية، تغييرات الإنتاج، أو التغييرات المؤثرة على العملاء)، أضف مراجعة بشرية في النقطة الصحيحة من مسار التنفيذ.

### ماذا يفعل `human_input=True`

`human_input=True` على Task يوقف التنفيذ **بعد** أن يشغّل الـ Agent أدواته وينتج نتيجة. يطلب ملاحظات بشرية على الإجابة النهائية **قبل قبول هذه المخرجات واعتمادها**. **لا** يمنع تنفيذ الأدوات — يمكن للـ Agent في Task مع `human_input=True` أن يستدعي أدوات مدمرة أو ذات آثار جانبية قبل أن يرى أي إنسان التشغيل.

استخدم `human_input=True` عندما تريد أن يراجع إنسان مخرجات Task أو يعدّلها أو يوافق عليها قبل أن تصبح النتيجة الرسمية (مثل سير عمل التدريب أو مراجعة الجودة).

```python theme={null}
from crewai import Task

review_task = Task(
    description="Draft the incident summary from collected logs",
    expected_output="A concise incident summary",
    human_input=True,
)
```

### عندما تحتاج موافقة قبل تشغيل الأدوات

لنقاط مثل:

* قبل تشغيل أدوات لا رجعة فيها
* قبل الآثار الجانبية الخارجية (بريد، تذاكر، كتابة)
* قبل استثناءات السياسة/الأمان

استخدم بوابات ما قبل التنفيذ:

* **[Tool hooks](/ar/learn/tool-hooks)** مع `@on(InterceptionPoint.PRE_TOOL_CALL)` و`request_human_input()` — يمنع استدعاء الأداة حتى الموافقة
* **[Execution hooks](/ar/learn/execution-hooks)** في تشغيل Crew وFlow
* **[@human\_feedback](/ar/learn/human-feedback-in-flows)** على خطوات Flow للموافقة على مستوى سير العمل

```python theme={null}
from crewai.hooks import HookAborted, InterceptionPoint, on

@on(InterceptionPoint.PRE_TOOL_CALL, tools=["send_email", "delete_file"])
def require_approval(ctx):
    response = ctx.request_human_input(
        prompt=f"Approve {ctx.tool_name}?",
        default_message=f"Args: {ctx.tool_input}\nType 'yes' to approve:",
    )
    if response.strip().lower() != "yes":
        raise HookAborted(reason="denied by operator", source="approval-gate")
```

للمراجعة لاحقًا، فكّر في تفعيل `verbose=True` على Agents في تدفقات حساسة لتسهيل الفحص أثناء التصحيح ومراجعة الحوادث.

## قائمة تحقق تشغيلية

استخدم هذه القائمة السريعة قبل النشر في الإنتاج:

* [ ] كل Agent له تنفيذ محدود (`max_rpm`، `max_iter`، `max_execution_time`)
* [ ] الوصول إلى الأدوات محدود حسب الدور (بدون قائمة أدوات مشتركة واسعة)
* [ ] التفويض معطّل ما لم يكن مطلوبًا صراحة
* [ ] Tasks عالية التأثير تستخدم `output_pydantic` و`expected_output` دقيق
* [ ] بوابات موافقة ما قبل التنفيذ موجودة للأدوات غير القابلة للتراجع أو ذات الآثار الجانبية (tool hooks أو Flow hooks أو `@human_feedback`)
* [ ] `human_input=True` يُستخدم فقط حيث تكفي مراجعة المخرجات بعد التشغيل
* [ ] تشغيلات Agent مسجّلة أو متتبعة للمراجعة بعد الحادث

## موارد ذات صلة

* [Agents](/ar/concepts/agents)
* [Tasks](/ar/concepts/tasks)
* [Flows](/ar/concepts/flows)
* [Human input on execution](/ar/learn/human-input-on-execution)
* [Human-in-the-loop](/ar/learn/human-in-the-loop)
* [Tool Hooks](/ar/learn/tool-hooks)
* [Tracing and observability](/ar/observability/overview)