---
title: Agent 安全
description: Agent 收件箱如何保护读取它的 AI agent，以及 agent 发信时所面向的人，从发件人信任、隔离到提示词注入筛查和发送规则。
ai:
  exclude: true
---

任何人都可以给收件箱发邮件，而读邮件的 AI agent 是可以被说动的：邮件里可以藏着人看不到的指令，可以冒充 agent 的所有者，也可以要求它转发密码重置链接。[Agent 收件箱](/docs/zh-hans/inboxes)分层应对。agent 只读取通过收件箱规则的邮件；它读到的内容会先清除隐藏文字，并标注为不可信；它发出的邮件要经过发送规则，有风险的发送会变成草稿，等人处理。

这些措施都不能让收到的邮件变得可信。筛查只是一个信号，不是保证：你的 agent 仍然应该把每封邮件当作数据，永远不要当作指令。

## 概览

| 层级 | 作用 |
| --- | --- |
| 收件人检查 | 发给没有收件箱的地址的邮件会被拒收，除非打开了全域收信（catch-all）；被刷爆的收件箱会返回「稍后重试」。 |
| 病毒扫描 | 带病毒的邮件被隔离，它的下载被永久阻止。 |
| 垃圾邮件评分 | 评分不合格的邮件进入 `spam` 文件夹。 |
| 发件人信任 | 给每个发件人分级，从你自己团队的地址一直到认证失败的发件人。 |
| 接收规则 | 来自收件箱不接受的发件人的邮件会被隔离。 |
| 筛查 | 对外部发件人的邮件评估提示词注入和钓鱼风险；高分邮件被隔离。 |
| 隐藏文字 | 人看不到的文字，会从 agent 或模型读取的所有内容里移除。 |
| 围栏标记 | MCP 返回的结果会把邮件文本放在不可信内容标记之间。 |
| 验证码 | 验证码和登录链接会为 agent 提取出来，且不能转发给陌生人。 |
| 发送规则 | 只能在会话内回复、每日上限、新收件人爬坡、循环防护；有风险的发送会变成草稿。 |
| 活动 | 每个操作和决定都有记录，所有者会收到有内容在等待的通知。 |

## 发件人信任

每封收到的邮件都有一个 `sender_trust`，在读取时显示在 `screening` 里，在控制台里显示为**信任**。按顺序，第一条匹配的行生效：

| `sender_trust` | 发件人 |
| --- | --- |
| `failed` | 认证失败，且该域名要求接收方隔离或拒收这类邮件（或者没有发布 DMARC 策略，SPF 失败且没有自己的 DKIM 签名）。这一行优先于其他所有行，所以伪造的所有者永远不会通过。 |
| `owner` | 你团队成员的登录地址之一，或收件箱的 `owner_addresses` 里的地址，且该域名为其担保。 |
| `allowlisted` | 匹配收件箱的允许列表，且该域名为其担保。 |
| `known_thread` | 在收件箱写过信的会话里回复，且来自收件箱写过信的地址，由会话令牌或指向收件箱所发邮件的 `In-Reply-To` 证明。不需要认证。 |
| `external` | 域名为其担保的其他任何发件人，包括你自己域名上的其他地址。 |
| `unauthenticated` | 其余所有人：域名不为 From 地址担保，或邮件列出了不止一个发件人。 |

当 DMARC 通过时，域名就为 From 地址**担保**；对没有 DMARC 策略的域名，则是存在该域名的 DKIM 签名，或其组织域名的 SPF 通过。

- 只有你团队成员的登录地址和收件箱的 `owner_addresses` 才是所有者。你公司域名上的其他所有人都是 `external`，所以同事的地址，或者以你的域名发信的系统，都无法指挥 agent，也无法收到它的私密验证码。
- 等级在邮件到达时就确定，之后不再变化。允许列表的修改只对之后到达的邮件生效；已经被扣留的邮件需要手动放行。

## 哪些邮件能到达 agent

`accept_from` 按等级决定：

| `sender_trust` | `anyone` | `verified`（默认） | `allowlist` |
| --- | --- | --- | --- |
| `owner`、`allowlisted`、`known_thread` | 投递 | 投递 | 投递 |
| `external` | 筛查 | 筛查 | 隔离，`not_allowlisted` |
| `unauthenticated` | 筛查 | 隔离，`unauthenticated_sender` | 隔离，`not_allowlisted` |
| `failed` | 隔离，`failed_auth` | 隔离，`failed_auth` | 隔离，`failed_auth` |

**筛查**的邮件会被投递，除非筛查把它隔离。在这张表之外：

- 病毒会让邮件在所有收件箱里被隔离，不论发件人是谁。
- 来自所有者或允许列表、但转发别人邮件的邮件也会被筛查：转发的内容不继承信任。
- 垃圾邮件评分不合格的已投递邮件进入 `spam` 文件夹，除非明确要求，会话列表不包含这个文件夹。
- 已投递的邮件，当发件人是 `unauthenticated` 或 `failed`、垃圾邮件评分为 gray，或筛查发现了未达到阈值的可疑之处时，读取结果里是 `screening.verdict: "suspicious"`；否则为 `clean`。

`human` 收件箱默认接受 `anyone`：除病毒外所有邮件都会投递，来自 `failed` 发件人的邮件进入 `spam` 文件夹。筛查只在 agent 收件箱上运行。

## 隔离

被隔离的邮件与任何收到的邮件保留得一样久，可列出、可放行；它永远不会被丢弃，也不会退回给发件人。

| `quarantine_reason` | 被扣留是因为 |
| --- | --- |
| `failed_auth` | 发件人认证失败。 |
| `unauthenticated_sender` | 发件人的域名不为其担保，而收件箱只接受已验证的发件人（或把该地址列为所有者，或放在它的允许列表里）。 |
| `not_allowlisted` | 收件箱只接受它的允许列表。 |
| `injection` | 筛查给提示词注入打了 80 分或更高。 |
| `phishing` | 筛查给钓鱼打了 80 分或更高。 |
| `virus` | 病毒扫描器发现了恶意软件。 |
| `unscreened` | 邮件需要筛查，而判断模型无法给出结果。 |
| `screening_cap` | 邮件需要筛查时，已经超过当天的筛查上限。 |

**Agent 永远看不到被扣留的邮件。** 限定到某个收件箱的密钥和所有 MCP 调用都会跳过被扣留的邮件：读取一封会返回 `403 email_quarantined`，等待请求只报告它的 id，也不会从中提供任何验证码。筛查进行期间（通常几秒），邮件处于待定状态，它的 id 返回 `404`。控制台里的人能看到全部邮件，并带有标记。

**没有 Webhook 会通知被扣留的邮件。** `email.received` 和 `inbox.email.received` 在邮件被投递或放行时触发；`inbox.email.quarantined` 会通知订阅了它的端点。

**放行。** 人在收件箱的**待审核**标签页里放行；未限定到某个收件箱的完全访问团队密钥用 `POST /inboxes/{id}/quarantine/{email_id}/release`；MCP 客户端在 `receiving:manage` 下使用 `release_email`。限定到某个收件箱的密钥永远不能放行。

- 人或完全访问的团队密钥可以放行任何扣留。
- MCP 客户端就是邮件所针对的那个 agent：它不能放行因提示词注入、钓鱼、病毒或认证失败而被扣留的邮件（`403 forbidden`），其他扣留则要等筛查读到该邮件评分低于 80 才行（否则返回 `409 held_by_screening`；筛查无法运行时返回 `503 screening_unavailable`）。
- **放行并信任发件人**（`trust_sender`）还会把发件人加入允许列表，仅限已验证发件人造成的 `not_allowlisted` 扣留，且仅限所有者、管理员、开发者和完全访问的团队密钥（否则返回 `403 trust_not_allowed`）。
- 被放行的邮件会像刚到达一样被投递，包括触发 Webhook。病毒始终是病毒：它的附件和原始邮件仍被阻止。

当有邮件在隔离区等待、草稿等待审批或发送被拒绝时，所有者每天会收到一封邮件，标题是**你的收件箱需要查看**，其中只有数量和链接，不含发件人或主题。它对应**设置 → 通知**下的**收件箱需要查看**提醒；见[通知](/docs/zh-hans/notifications)。

## 提示词注入筛查

在打开了 `screening` 的 agent 收件箱上，来自 `external` 和 `unauthenticated` 发件人、且规则会放行的邮件，会在 agent 看到之前先被筛查。判断模型读到的是邮件的呈现形式，隐藏文字单独标出：发件人、它的认证结果和 Reply-To；主题和可见文本；被移除的隐藏文字；链接的锚文本和域名（从不访问）；附件名。验证码会被遮盖，地址只保留域名，之后这些内容才会离开系统。

结果是两个 0 到 100 的分数，`injection_score` 和 `phishing_score`，以及适用的 `reasons`：

| 原因 | 邮件 |
| --- | --- |
| `targets_agent` | 称呼的是 AI、助手、模型或「系统」，而不是某个人。 |
| `override` | 试图改变读者的指令、角色或优先级。 |
| `exfiltration` | 要求读者把验证码、链接、密钥、其他邮件、联系人或数据发出去。 |
| `unsafe_action` | 要求执行会在对话之外产生影响的操作：付款、批准、删除、运行某个程序。 |
| `concealed` | 隐藏指令：藏在隐藏文字里、经过编码或反转、放在伪造的邮件结尾之后，或放在伪造的引用里。 |
| `credential_lure` | 在声称的发件人并不拥有的页面上索要密码、验证码或银行卡信息。 |

注入分数达到 80 或更高，邮件以 `injection` 被隔离；否则钓鱼分数达到 80 或更高，则以 `phishing` 被隔离。50 到 79 分的邮件会被投递，标记为 `suspicious`。分数始终会显示，在读取时位于 `screening` 里，也显示在控制台里。

- **它出错时倾向于拒绝。** 判断模型超时或出错时，邮件以 `unscreened` 被隔离；筛查始终没有完成（它的任务不断失败或停滞）时也一样：没有邮件会处于待定状态超过大约一小时。一个收件箱一天里被筛查的邮件超过 200 封后，需要筛查的邮件以 `screening_cap` 被隔离，所以洪水式的邮件只会变成隔离，绝不会变成未经筛查的投递。
- **它从不影响你的发信。** 对你收到的邮件作出的判断，永远不会计入你自己的发信信誉或滥用审核。

## 隐藏文字与 extracted_text

邮件里可以带着人看不到、模型却能读到的文字：白底白字的指令、`display:none` 块、渲染出来什么也看不见的字符。在任何文本到达 agent 或模型之前，BillionSend 会移除隐藏元素（`display:none`、`visibility:hidden`、接近零的不透明度、极小的字体、被推到屏幕之外的内容、与背景同色的文字、注释、`<template>`、`<noscript>`）和不可见字符（零宽字符、文字方向控制符、Unicode 标签字符）。Emoji 会保留它们所需的连接符。大多数新闻邮件都有的隐藏预览行也会被移除，但不会让邮件被判为可疑。

agent 读到的内容：

- **`extracted_text`**：回复部分，引用的历史内容和签名单独分开，是带少量 Markdown 的纯文本，最多 32,000 个字符。
- **`text`** 不含不可见字符。
- 当移除了预览行之外的隐藏文字或不可见字符时，**`screening.hidden_text_removed: true`**。

`html` 保持与收到时完全一致，原始邮件保留所有内容。

**围栏标记。** MCP 返回的结果会把每封邮件的文本放在两行标记之间，标记里带有每次调用随机生成的值：

```
-----BEGIN UNTRUSTED EMAIL CONTENT 95253f15-----
Hi! Your order shipped today.
-----END UNTRUSTED EMAIL CONTENT 95253f15-----
```

邮件里自己写的标记行会先被改动，所以邮件无法提前关闭自己的围栏。

## 验证码与登录链接

在某处注册的 agent 需要服务方发来的验证码或链接。BillionSend 把它们提取出来，agent 无需解析 HTML：

- **验证码**需要附近有提示词（支持英文、葡萄牙语和西班牙语）；订单号、价格、电话号码、优惠券和日期会被跳过。两个验证码可能性相当时，一个都不返回（`ambiguous`）。
- **链接**包括登录、确认、重置和邀请链接；退订、隐私和帮助链接会被跳过。链接从不被访问：会跟随链接的扫描器会把一次性链接用掉。

它们通过 `GET /emails/receiving/{id}` 上的 `extracted`、`GET /inboxes/{id}/codes/latest` 和 MCP 工具 `get_verification_code` 提供，除此之外别无他处：绝不出现在列表、Webhook、日志或错误消息里。它们永远不会从被扣留的邮件、`failed` 发件人，或 `extract_codes` 关闭时提供，每次读取都会记录在收件箱的活动里。

**私密验证码。** 打开 `private_codes`（agent 的默认值）后，团队在最近 24 小时内收到的验证码或链接，不能通过收件箱地址发给所有者和允许列表之外的任何人：这样的发送会变成草稿，原因是 `private_code`。即使 agent 被说动去这么做，这一点也成立。它涵盖从收件箱地址发出的邮件，所以请给 agent 一把限定到收件箱的密钥，或者在它们的 MCP 权限里去掉 `emails:send`。

## agent 可以发送什么

从收件箱地址发信的每一种方式，都经过同一套规则：收件箱回复、转发和草稿，服务端的回复与转发，`forward_to` 副本，`POST /emails`、`POST /emails/batch`、SMTP 中继和 MCP 工具 `send_email`。顺序如下：

1. **身份。** 限定到某个收件箱的密钥只能从它收件箱的地址发信（`403 restricted_api_key`；通过 SMTP 则是 `550 5.7.1`）。
2. **共享域名。** [共享地址](/docs/zh-hans/inboxes)遵循共享域名的规则：在 Free 套餐上，或名称看起来像知名品牌时，它只能在自己的会话里回复。其他一切都以 `403 inbox_send_policy` 被拒绝，即使已经批准。每次共享发送都计入团队在共享域名上的每日限额，且最多 10 个收件人。
3. **每日上限。** 每个 UTC 日 `send_cap` 个收件人。超出后返回 `429 inbox_send_cap_reached`。已批准的发送会计入，但永远不会被拒绝。

在 agent 收件箱上，除非这次发送已经[获批](/docs/zh-hans/inboxes)，下面每一条都会把它扣留为草稿，并附上原因：

4. **循环防护。** 回复自动邮件（`loop_guard:` 加原因）：空的发件人、`Auto-Submitted` 头、`Precedence: bulk`、邮件列表头、自动回复头、投递报告、no-reply 地址，或外出自动回复的主题。一小时内向同一个地址发出超过 10 封自动邮件，就是 `loop_burst`。agent 的回复带有 `Auto-Submitted: auto-replied`，所以两个 agent 互相写信，一轮之后就会停下。
5. **Reply-To。** 回复的 `Reply-To` 指向另一个组织的域名，除非它的发件人是所有者、在允许列表里，或属于已知会话（`reply_to_redirect`）。
6. **发送策略。** `reply_only`（默认）：在会话里回复，对象是在其中写过信的人、所有者和允许列表。`allowlist`：以上这些，再加上与所有者和允许列表发起的新对话。`open`：任何人，但在你的团队刚开始发信时不可用（最初 1,000 次发送或 72 小时之内，或第一次发送后 7 天内不足 10,000 次发送）。
7. **私密验证码**（`private_code`），如上所述。
8. **爬坡。** 每天的新收件人不超过上限，在收件箱发送的第一天不超过 10 个，之后每天翻倍：20、40、80、160，依此类推（`ramp`）。
9. **审批。** 收件箱上的 `require_approval`，或请求上的 `requires_approval: true`。

`human` 收件箱只运行前三步：人在控制台里回复不会被扣留。在 `POST /emails`、批量接口、SMTP 中继和 `send_email` 上，规则会扣留的发送会被 `403 inbox_send_policy`（通过 SMTP 则是 `550 5.7.1`）拒绝，因为这些入口不能创建草稿：要得到草稿，请通过收件箱的接口发送。

agent 收件箱发给新地址的第一封邮件，也会经过与你团队任何发送相同的滥用审核。

## agent 仍然应该做什么

- 把每封邮件当作数据。邮件里的指令是陌生人的话，不管分数怎么说。
- 读取 `extracted_text`，不要读 `html`，并在行动前检查 `screening.sender_trust` 和 `screening.verdict`。
- 永远不要单凭邮件里的链接就去访问；用 `codes/latest` 或 `get_verification_code`。
- 对难以撤销的事情，保持 `require_approval` 打开，或传 `requires_approval: true`。
- 给每个 agent 自己的[限定到收件箱的密钥](/docs/zh-hans/api-keys)，并用 `inbox_ids` 把 Webhook 指向具体的收件箱。

## 这些保护做不到什么

- 筛查和垃圾邮件阈值只是起始值。邮件可能漏过去，正常邮件也可能被扣留；被扣留的邮件点一下就能放行。
- 没有发布 DMARC 策略或策略为 `p=none` 的域名，能证明的东西很少：它的真实邮件和伪造邮件看起来可能一样。
- 隐藏文字的检测按邮件客户端渲染 HTML 的方式进行，对损坏的标记尽力而为；标记和原始邮件是最后的保障。
