{"schema_version":"1.0","service":"Publicasta","type":"article","id":685,"slug":"aws_tolap_object_level_access_control_ai_agent_tools","title":"El lanzamiento de TOLAP de AWS introduce control de acceso a nivel de objeto en las herramientas de agentes de IA","excerpt":"TOLAP, el proyecto de AWS Labs, coloca la herramienta que obtiene los datos en el centro del control: puede limitar filas, campos, acciones, delegaciones y tamaño de resultados antes de que la información llegue al contexto del agente.","language":"es","default_language":"en","canonical_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools?lang=es","image":{"url":"https://publicasta.com/storage/projects/17/pages/685/2026/09/0c39e23c-eced-4768-8478-b862e126dd99.webp","alt":"Una herramienta segura para agentes de IA filtra datos de bases de datos y API mediante una capa de control de acceso a nivel de objeto antes de que lleguen al contexto del agente."},"publisher":{"id":17,"slug":"it_today_news","name":"IT Today","url":"https://publicasta.com/it_today_news"},"author":{"name":"Anton R"},"published_at":"2026-09-24T06:49:56+00:00","updated_at":"2026-09-24T06:49:56+00:00","content_markdown":"El detalle más importante del nuevo proyecto TOLAP de AWS no está en el acrónimo, sino en dónde coloca el punto de control.\n\n ![Una herramienta segura para agentes de IA filtra datos de bases de datos y API mediante una capa de control de acceso a nivel de objeto antes de que lleguen al contexto del agente.](https://publicasta.com/storage/projects/17/pages/685/2026/09/0c39e23c-eced-4768-8478-b862e126dd99.webp)\n\n AWS Labs ha publicado TOLAP, o Tool-Object Level Access Protocol, como una capa de seguridad de código abierto para herramientas de agentes de IA. El proyecto está diseñado para decidir qué datos pueden salir de una herramienta después de que un agente la invoque: qué filas son visibles, qué campos deben ocultarse o enmascararse, qué endpoints están permitidos, cuántos resultados pueden devolverse y si la acción solicitada encaja con el propósito de la delegación. Su primera versión pública indica que la seguridad de los agentes empieza a alejarse de una pregunta sencilla —«¿puede esta identidad llamar a esta API?»— para abordar otra más difícil: «¿qué puede revelar o modificar exactamente esta llamada concreta?».\n\n La diferencia importa para los equipos que construyen agentes sobre bases de datos, API internas, bases de conocimiento, almacenamiento de objetos y servidores MCP. Una comprobación de permisos convencional puede autorizar una conexión y, aun así, dejar que la herramienta devuelva muchos más datos de los que el usuario o el flujo de trabajo necesitaban. La propuesta de TOLAP consiste en colocar un envoltorio de políticas alrededor de la función que realmente obtiene o modifica los datos y aplicar la política antes de que el resultado entre en el contexto del agente.\n\n El proyecto no sustituye la gestión de identidades, los controles de red, los permisos de la base de datos ni la aprobación humana. Es un control más acotado, pensado para cerrar la brecha entre tener acceso a una herramienta y exponer objetos concretos.\n\n ## Qué ha publicado AWS\n\n AWS Open Source describe TOLAP como una capa de aplicación de políticas en el punto de origen. El repositorio está disponible bajo la licencia Apache 2.0 e incluye un esquema de políticas, bibliotecas de aplicación para .NET, Python y TypeScript, un servidor de políticas de referencia, ejemplos, documentación e integraciones con marcos habituales de agentes y herramientas.\n\n El modelo central es declarativo. Una política puede identificar objetos y acciones permitidos, ocultar campos concretos, enmascarar valores, filtrar filas, restringir prefijos de almacenamiento o métodos de API, aplicar límites de resultados y adjuntar información de auditoría. Los ejemplos utilizan un conjunto de datos de estilo sanitario: un agente podría tener permiso para consultar historiales de pacientes, pero no para recibir números de la Seguridad Social; las direcciones de correo podrían devolverse como hashes; y las filas podrían limitarse a determinadas regiones.\n\n Eso es distinto de entregar al agente una credencial de base de datos con acceso de lectura amplio y pedirle al modelo que se comporte de manera responsable. En el modelo de TOLAP, el agente todavía puede construir una consulta mediante la herramienta, pero el envoltorio aplica la política efectiva al resultado. Los datos rechazados por la política se eliminan antes de formar parte del contexto del modelo.\n\n AWS afirma que los SDK comparten un esquema de políticas versionado y conjuntos de pruebas comunes, de modo que las implementaciones pretenden comportarse de forma idéntica en los distintos lenguajes. El repositorio también incluye integraciones para los SDK de MCP, Strands, LangChain, LangChain.js, Vercel AI SDK, Mastra, OpenAI Agents, Pydantic AI, Semantic Kernel y Bedrock Agents. Estas integraciones no convierten TOLAP en un servidor MCP. El proyecto envuelve la función utilizada por la capa de herramientas; la aplicación sigue siendo responsable de obtener los datos.\n\n Para uso en producción, el repositorio incluye un servidor de políticas respaldado por PostgreSQL, versiones de políticas inmutables, operaciones de publicación y reversión, un registro de auditoría, administración autenticada mediante Cognito y rotación de claves de firma con una ventana de solapamiento. Esos componentes son infraestructura de referencia, no una señal de que todas las organizaciones deban desplegar la pila completa.\n\n ## Por qué no basta con autorizar la herramienta\n\n La mayoría de las arquitecturas de agentes ya tienen varias capas de permisos. Un usuario se autentica en una aplicación. La aplicación proporciona al agente una identidad de servicio o un token delegado. Una puerta de enlace comprueba el token. La herramienta llama a una base de datos o a una API. Cada capa es valiosa, pero ninguna responde automáticamente a la pregunta sobre el nivel de objeto.\n\n Pensemos en un agente interno de soporte con permiso para consultar una tabla de clientes. Una comprobación de roles puede indicar correctamente que la aplicación de soporte puede llamar a la herramienta de búsqueda de clientes. Pero no necesariamente indica:\n\n - qué clientes puede ver el empleado que realiza la solicitud;\n- qué columnas deben omitirse;\n- si el resultado puede incluir clientes de fuera de la región del empleado;\n- si una dirección puede devolverse completa;\n- si la consulta puede devolver 5.000 filas;\n- si una operación de lectura se ha convertido silenciosamente en una operación de exportación.\n\n Una puerta de enlace puede autorizar el endpoint. Una base de datos puede aplicar concesiones. Una aplicación puede filtrar las respuestas. Pero cuando esas decisiones se reparten entre código personalizado, resulta difícil inventariar y probar el límite efectivo. Cuantos más marcos, conectores y entornos de agentes añade una organización, más fácil es que una ruta omita una comprobación.\n\n El argumento arquitectónico de TOLAP es que la herramienta constituye el último lugar fiable para impedir que los datos entren en el contexto del agente. Las instrucciones del prompt no son un límite de seguridad. Un modelo puede interpretar mal una regla, seguir una instrucción maliciosa insertada en contenido recuperado o combinar resultados permitidos individualmente para producir una divulgación que el diseñador no había previsto. Si un campo sensible nunca atraviesa el envoltorio, el modelo no puede recuperarlo de su contexto.\n\n Eso no vuelve fiable a la herramienta por arte de magia. El envoltorio debe ser la única vía hacia la fuente protegida, y la aplicación debe impedir que credenciales alternativas o rutas de código sin envolver accedan a los mismos datos. La aplicación de políticas en el punto de origen solo sirve cuando ese punto está realmente controlado.\n\n ## El lanzamiento añade más que filtros de filas y campos\n\n Los controles a nivel de objeto de la primera versión son la parte más fácil de entender del proyecto. El material más reciente también describe controles sobre el propósito y la secuencia de las acciones del agente.\n\n Las políticas de TOLAP pueden incluir perfiles de propósito que acotan qué política se aplica a una solicitud. La validación de acciones comprueba entonces si una llamada a una herramienta pertenece al conjunto de acciones permitido. Si aparece una acción prohibida, se rechaza; si existe una lista de acciones permitidas y la acción solicitada no figura en ella, también se rechaza.\n\n El proyecto describe además la validación de cadenas de delegación. Esto importa cuando un agente invoca a otro o cuando un flujo de trabajo transmite autoridad a través de varios servicios. Un componente descendente no debería recibir silenciosamente una autoridad más amplia que la concedida por el componente ascendente. En una cadena bien diseñada, cada delegación conserva o reduce el alcance, y la decisión resultante sigue siendo atribuible a la autoridad original.\n\n El orden es importante. El filtrado por propósito elige la política aplicable. La validación de acciones comprueba qué se pide a la herramienta. La aplicación a nivel de objeto controla después qué datos pueden devolverse o modificarse. Cada etapa se describe como de fallo cerrado y comprobable de forma independiente.\n\n AWS también documenta una capa opcional de alineación semántica que utiliza un juez basado en un LLM. Es la parte más delicada del diseño. Las reglas deterministas pueden comprobar una tabla, un campo, un filtro de filas, una acción o un endpoint. No siempre pueden determinar si una secuencia de consultas válidas por separado es coherente con el propósito declarado. Un juez puede revisar la descripción del propósito, la llamada actual a la herramienta y una ventana de historial reciente, y después permitir, bloquear o escalar según umbrales de confianza.\n\n El proyecto coloca ese juez después de la aplicación determinista, no antes. El orden resulta razonable: un modelo no debería poder convencer a otro modelo de revelar un campo que una política estructural ya prohíbe. El juez se describe como opcional y desactivado por defecto, con un prompt controlado por el administrador que el agente no puede editar.\n\n Las organizaciones deberían tratar el juez como una señal adicional, no como sustituto del control de acceso determinista. Su salida es probabilística, su configuración necesita evaluación y los casos ambiguos deben contar con una vía explícita de revisión. El límite más sólido de esta versión sigue siendo el habitual: no devolver datos que la política prohíbe.\n\n ## Qué cambia para los equipos de MCP y herramientas de agentes\n\n El impacto práctico es mayor para los equipos que incorporan herramientas más deprisa de lo que diseñan su autorización.\n\n MCP facilita relativamente la exposición de capacidades a un modelo. La cuestión de seguridad no es solo si el servidor exige autenticación. También importa si cada herramienta tiene un contrato de datos estrecho y si el servidor filtra el resultado antes de que lo vean el cliente o el modelo. Una herramienta que devuelve un resultado de base de datos sin restricciones sigue siendo amplia aunque la conexión MCP utilice un token de corta duración.\n\n El mismo problema aparece fuera de MCP. Una herramienta de OpenAI Agents, un recuperador de LangChain, un grupo de acciones de Bedrock Agent, un endpoint de llamadas a funciones o un envoltorio personalizado de Python pueden convertirse en un límite accidental de divulgación. El enfoque de TOLAP se sitúa deliberadamente por debajo del marco del modelo: colocar la política alrededor de la función que habla con la fuente y conservar el mismo modelo de aplicación cuando cambia la capa de orquestación.\n\n Esa separación ofrece una ventaja operativa. Los equipos pueden probar el comportamiento de seguridad sin probar la capacidad del modelo para seguir instrucciones. Una prueba de políticas puede afirmar que una columna prohibida está ausente, que se aplica un filtro de filas, que se respeta un límite de resultados y que falla una acción prohibida. Son pruebas normales de software y seguridad. Después, el modelo puede evaluarse por su utilidad sobre el conjunto de resultados reducido.\n\n Hay una contrapartida. Un envoltorio situado en el límite de la herramienta ve lo que esta devuelve, pero quizá no comprende todos los significados de negocio de los datos. Una política puede ocultar un campo y filtrar una región. Puede resultar más difícil expresar que «estas cinco consultas permitidas juntas crean una inferencia prohibida» sin conservar el historial o añadir una etapa de revisión semántica. Por eso las capas determinista y semántica del lanzamiento deben entenderse como complementarias, no como intercambiables.\n\n ## Los límites que siguen correspondiendo a la aplicación\n\n TOLAP no elimina la necesidad de los controles de seguridad convencionales.\n\n La identidad sigue importando. La política necesita un sujeto, grupo, rol, cuenta de servicio o principal delegado fiable. Si todas las solicitudes llegan con la misma identidad de servicio sobredimensionada, las reglas a nivel de objeto pueden tener demasiado poco contexto para tomar una decisión significativa.\n\n El diseño de credenciales también importa. Una herramienta envuelta no debería tener una credencial capaz de saltarse el envoltorio y acceder directamente a la fuente. Las credenciales de corta duración, los roles acotados, las restricciones de red, la rotación de secretos y las identidades separadas para desarrollo y producción siguen siendo controles básicos.\n\n El sistema de origen sigue importando. La seguridad a nivel de fila de la base de datos, la autorización de las API, las políticas de almacenamiento y las reglas de negocio de la aplicación deben continuar aplicando sus propios límites. TOLAP puede reducir lo que recibe un agente, pero no debería ser la única protección de una base de datos crítica o de una operación irreversible.\n\n El diseño de aprobaciones sigue importando. Ocultar campos no vuelve segura una acción destructiva. Eliminar un registro, cambiar un pago, rotar una clave o desplegar código puede requerir aprobación humana, una regla de dos personas, una vista previa de la transacción o un flujo reversible. La validación de acciones de TOLAP puede rechazar llamadas fuera de un alcance, pero una acción permitida aún puede ser demasiado importante para ejecutarse automáticamente.\n\n La observabilidad sigue importando. El evento de auditoría útil no es solo «se llamó a una herramienta». Debería conectar a la persona o servicio que delegó la autoridad, la identidad del agente, el propósito, la herramienta, la versión efectiva de la política, el alcance de los datos, el tamaño del resultado, la decisión y cualquier aprobación. Sin ese contexto, los investigadores de incidentes pueden saber que se ejecutó una consulta, pero no por qué se permitió.\n\n Por último, la gobernanza sigue importando. Las políticas necesitan responsables, fechas de caducidad, desencadenantes de revisión, control de versiones, reversión y pruebas que se ejecuten cuando cambia un conector. Un envoltorio de políticas puede crear una falsa sensación de seguridad si nadie comprueba si la herramienta subyacente ha ganado un parámetro nuevo o una ruta nueva alrededor de la función de aplicación.\n\n ## Un plan de evaluación razonable\n\n Los equipos no necesitan adoptar toda la pila de TOLAP para aprender del lanzamiento. El diseño sugiere una revisión práctica de las herramientas de agentes existentes.\n\n Empieza por inventariar las rutas de datos reales. Para cada herramienta de agente, identifica la función que lee o modifica la fuente, la credencial que utiliza, las vías de acceso alternativas y el punto en que el resultado pasa a ser visible para el modelo. Dibuja el recorrido desde la solicitud del usuario hasta la llamada a la herramienta y la respuesta de la fuente. Si el equipo no puede nombrar el punto de aplicación, probablemente tampoco puede demostrar dónde está el límite.\n\n Después separa la autorización de capacidades de la autorización de datos. «El agente puede usar la búsqueda de clientes» es una afirmación sobre una capacidad. «El agente puede ver los clientes asignados a este empleado, sin fecha de nacimiento y con el correo electrónico enmascarado» es una política de datos. Conviene expresar ambas de forma comprobable.\n\n A continuación crea pruebas negativas. Comprueba si el envoltorio bloquea una tabla prohibida, elimina un campo restringido, filtra las filas fuera de alcance, enmascara valores sensibles, limita respuestas inusualmente amplias, rechaza una acción no aprobada y falla de forma cerrada cuando fallan la resolución de políticas o la firma. Prueba también el acceso directo con la credencial de la herramienta, además del acceso a través de la ruta normal del agente.\n\n Prueba la composición, no solo las llamadas aisladas. Un modelo puede obtener información sensible mediante varias consultas que parecen inofensivas, o transmitir autoridad de un agente a otro. Registra y revisa secuencias, cambios de delegación y exportaciones repetidas. Si el propósito de negocio importa, define cuándo una secuencia necesita revisión humana en lugar de intentar codificar cada interpretación en un prompt.\n\n Por último, mide la fricción para los desarrolladores. Una capa de seguridad demasiado difícil de integrar acabará esquivándose. La pregunta adecuada no es si un envoltorio puede expresar todas las políticas imaginables. Es si la organización puede hacer que la ruta segura sea la más sencilla para cada conector y marco que admite.\n\n ## Por qué conviene seguir este lanzamiento\n\n TOLAP es una respuesta temprana y de código abierto a un problema que muchas implementaciones de agentes resuelven actualmente con middleware disperso y convenciones. Su aportación más útil es conceptual: tener acceso a una herramienta no equivale a estar autorizado para cada objeto al que la herramienta puede llegar.\n\n La diferencia se vuelve más urgente a medida que los agentes pasan de la búsqueda conversacional a flujos de trabajo que consultan sistemas de producción, resumen registros privados, llaman a API y delegan tareas en otros agentes. Las plataformas de identidad existentes siguen siendo necesarias, y los proveedores están incorporando identidades de agentes, acceso condicional y controles de políticas. Pero la identidad de la capa exterior no limita automáticamente la forma de un resultado en la capa interior.\n\n El proyecto debe evaluarse como infraestructura, no como una insignia de seguridad lista para usar. Lee el modelo de amenazas. Verifica que todas las rutas hacia las fuentes estén envueltas. Revisa el esquema de políticas y el comportamiento ante fallos. Ejecuta los ejemplos con datos representativos. Comprueba si la licencia, las dependencias, los entornos de ejecución compatibles y el modelo operativo encajan con la organización. Trata el juez LLM opcional como una ayuda para la revisión que necesita su propia validación.\n\n El consejo inmediato para los equipos de plataforma y seguridad es directo: para cada herramienta de agente que toque datos sensibles, define el resultado mínimo útil antes de que lo vea el modelo. Aplica esa definición en código, en el límite de los datos; impide que la credencial la evite; y registra qué política tomó la decisión. El lanzamiento de TOLAP por parte de AWS ofrece un proyecto concreto de código abierto para inspeccionar y facilita hablar de esa arquitectura.\n\n Este es el cambio material: el límite de seguridad de un agente de IA no es solo la identidad que inicia una solicitud. También es la función que decide qué puede cruzar hacia el contexto del agente.\n\n ## Fuentes\n\n - [Introducing TOLAP: object-level access control for AI agent tools](https://aws.amazon.com/blogs/opensource/introducing-tolap-object-level-access-control-for-ai-agent-tools/), AWS Open Source Blog.\n- [TOLAP — Tool-Object Level Access Protocol](https://github.com/awslabs/tolap), AWS Labs.\n- [TOLAP architecture documentation](https://github.com/awslabs/tolap/blob/main/docs/architecture.md), AWS Labs.\n- [Microsoft Entra security for AI overview](https://learn.microsoft.com/en-us/entra/agent-id/security-for-ai-overview), Microsoft Learn.\n- [Accelerating the Adoption of Software and AI Agent Identity and Authorization](https://www.nccoe.nist.gov/sites/default/files/2026-02/accelerating-the-adoption-of-software-and-ai-agent-identity-and-authorization-concept-paper.pdf), NIST NCCoE.\n- [Authorization Architectures for Tool-Using AI Agents](https://arxiv.org/abs/2609.15906), arXiv.\n- [Discussion of scoped permissions and agent authorization](https://www.reddit.com/r/AI_Governance/comments/1ti2zlw/built_a_permission_control_layer_for_ai_agents_after_getting_frustrated_with_how_much_access_they_ship_with_by_default_looking_for_feedback_from_people_whove_thought_about_this/), Reddit.","available_translations":[{"language":"ar","title":"إطلاق TOLAP من AWS يضع التحكم في الوصول على مستوى الكائن داخل أدوات وكلاء الذكاء الاصطناعي","html_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools?lang=ar","markdown_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.md?lang=ar","json_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.json?lang=ar","api_url":"https://publicasta.com/api/public/v1/channels/it_today_news/articles/aws_tolap_object_level_access_control_ai_agent_tools?lang=ar"},{"language":"de","title":"AWS’ TOLAP bringt objektbezogene Zugriffskontrolle in Werkzeuge für KI-Agenten","html_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools?lang=de","markdown_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.md?lang=de","json_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.json?lang=de","api_url":"https://publicasta.com/api/public/v1/channels/it_today_news/articles/aws_tolap_object_level_access_control_ai_agent_tools?lang=de"},{"language":"en","title":"AWS’s TOLAP release puts object-level access control inside AI-agent tools","html_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools?lang=en","markdown_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.md?lang=en","json_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.json?lang=en","api_url":"https://publicasta.com/api/public/v1/channels/it_today_news/articles/aws_tolap_object_level_access_control_ai_agent_tools?lang=en"},{"language":"es","title":"El lanzamiento de TOLAP de AWS introduce control de acceso a nivel de objeto en las herramientas de agentes de IA","html_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools?lang=es","markdown_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.md?lang=es","json_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.json?lang=es","api_url":"https://publicasta.com/api/public/v1/channels/it_today_news/articles/aws_tolap_object_level_access_control_ai_agent_tools?lang=es"},{"language":"fr","title":"La version TOLAP d’AWS intègre le contrôle d’accès au niveau des objets dans les outils d’agents IA","html_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools?lang=fr","markdown_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.md?lang=fr","json_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.json?lang=fr","api_url":"https://publicasta.com/api/public/v1/channels/it_today_news/articles/aws_tolap_object_level_access_control_ai_agent_tools?lang=fr"},{"language":"pl","title":"Wydanie AWS TOLAP przenosi kontrolę dostępu na poziomie obiektów do narzędzi agentów AI","html_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools?lang=pl","markdown_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.md?lang=pl","json_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.json?lang=pl","api_url":"https://publicasta.com/api/public/v1/channels/it_today_news/articles/aws_tolap_object_level_access_control_ai_agent_tools?lang=pl"},{"language":"ru","title":"Релиз AWS TOLAP переносит контроль доступа к объектам внутрь инструментов ИИ-агентов","html_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools?lang=ru","markdown_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.md?lang=ru","json_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.json?lang=ru","api_url":"https://publicasta.com/api/public/v1/channels/it_today_news/articles/aws_tolap_object_level_access_control_ai_agent_tools?lang=ru"},{"language":"zh","title":"AWS 的 TOLAP 发布：把对象级访问控制放进 AI 代理工具","html_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools?lang=zh","markdown_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.md?lang=zh","json_url":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.json?lang=zh","api_url":"https://publicasta.com/api/public/v1/channels/it_today_news/articles/aws_tolap_object_level_access_control_ai_agent_tools?lang=zh"}],"_links":{"self":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.json?lang=es","api":"https://publicasta.com/api/public/v1/channels/it_today_news/articles/aws_tolap_object_level_access_control_ai_agent_tools?lang=es","html":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools?lang=es","canonical":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools?lang=es","markdown":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.md?lang=es","json":"https://publicasta.com/it_today_news/aws_tolap_object_level_access_control_ai_agent_tools.json?lang=es","channel":"https://publicasta.com/api/public/v1/channels/it_today_news","channel_articles":"https://publicasta.com/api/public/v1/channels/it_today_news/articles","search":"https://publicasta.com/api/public/v1/search","documentation":"https://publicasta.com/api-docs#reading-publicasta","openapi":"https://publicasta.com/api-docs/openapi.json","llms":"https://publicasta.com/llms.txt"}}