核心用法
agent-bom-discover-gcp 是面向 Google Cloud Platform 的 AI 资产发现工具，通过调用 GCP SDK（如 google-cloud-aiplatform、google-cloud-run 等）以只读权限拉取指定项目中的 Vertex AI、Cloud Run、Cloud Functions、GKE 等服务的元数据，并输出符合 agent-bom 规范的 JSON 清单文件。
典型工作流为两步：
1. 发现阶段：操作员在本地执行 Python 脚本，利用 Application Default Credentials (ADC) 或工作负载身份（Workload Identity）完成身份验证，生成 gcp-inventory.json；
2. 扫描阶段（可选）：仅在操作员明确要求时，使用 agent-bom CLI 对本地清单进行静态分析，生成安全发现报告。
显著优点
- 零长期凭证暴露：工具不接收、不打印、不持久化服务账号私钥或 OAuth 令牌，完全依赖操作员本地环境中的短期凭证（ADC 或 Workload Identity），符合云原生安全最佳实践。
- 声明式资产清单：输出 JSON 遵循
agent-bom规范，包含discovery_provenance.source_type、observed_via等溯源字段，便于审计追踪。 - 最小权限原则：仅需
cloudresourcemanager、aiplatform、run、cloudfunctions、container等 API 的只读权限，无写操作风险。 - 离线扫描能力：清单生成后可在隔离环境（air-gapped）中进行分析，避免敏感生产环境直接暴露于扫描工具。
潜在缺点与局限性
- 依赖本地环境：需预先安装 Python 3.11+、
agent-bom库及 GCP SDK，Windows/macOS/Linux 兼容性需验证本地工具链。 - 权限配置复杂度：操作员需自行配置 ADC 或 Workload Identity Federation，对非 GCP 资深用户存在学习曲线。
- 覆盖范围有限：目前明确支持 Vertex AI、Cloud Run、Cloud Functions、GKE，其他 GCP AI/ML 服务（如 BigQuery ML、AutoML Tables）可能未完全覆盖。
- 无实时持续监控：单次发现模式，非事件驱动，需配合 cron/scheduler 实现定期盘点。
适合人群
- 云安全架构师：需要生成可审计的 AI 工作负载清单，满足合规（SOC 2、ISO 27001）要求。
- DevSecOps 工程师：在 CI/CD 管道中集成“生成清单 → 扫描漏洞”的左移安全流程。
- AI 平台管理员：治理分散的 Vertex AI 端点、Cloud Run 服务，防止影子 AI 资产。
常规风险
- 凭证泄露误操作：若操作员错误导出
GOOGLE_APPLICATION_CREDENTIALS指向的 JSON 密钥文件并在聊天中粘贴，可能导致凭证外泄。工具虽内置 redaction 逻辑，但无法完全阻止人为失误。 - 过度授权风险：若操作员使用具有写权限的凭证（如
Editor角色），理论上 SDK 调用可能误触发变更操作（尽管工具设计为只读）。建议始终绑定自定义只读角色（如roles/viewer+ 特定 AI 服务读权限）。 - 数据驻留与跨境：清单文件包含资源名称、标签、IAM 绑定等元数据，可能涉及业务敏感信息。操作员需确保
--output路径符合数据驻留政策，避免写入公共可访问存储。 - 供应链污染：工具依赖
agent-bom及 GCP SDK，若 PyPI 上游遭投毒，可能引入恶意代码。建议通过可信源（如内部 Artifactory）安装并校验哈希。