概念
案例研究：设计智能停车智能体系统
学习如何使用架构模式和安全防护机制，将单体式的智能停车服务转变为具备弹性的多智能体AI系统。
| 单体模块 | 新的智能体（Agent） |
|---|---|
| 用户界面与请求处理器 | 驾驶员智能体（Driver Agent） |
| 传感器轮询与数据聚合 | 传感器智能体（Sensor Agent） |
| 可用性管理与规则引擎 | 区域智能体（Zone Agent） |
| 预订/预约逻辑 | 预订智能体（Reservation Agent） |
| 编排与错误处理 | 管理智能体（Manager Agent） |
| 缓存与状态存储 | 区域智能体（占用缓存）、驾驶员智能体（搜索历史）、预订智能体（预订日志） |
| 策略、安全与监控 | 管理智能体（审计、熔断机制、自动扩缩容）、区域智能体（安全过滤）、驾驶员智能体（输入验证） |
请对每个阶段保持精确描述。例如：“什么触发了传感器智能体发送数据？”或“预订智能体在预订失败后是否会存储任何信息？”
请在此处描述驾驶员智能体的内部逻辑。
请在此处描述区域智能体的内部逻辑。
请在此处描述预订智能体的内部逻辑。
重点关注智能体如何随时间进行决策和采取行动。它是基于观察做出反应（ReAct）？循环调用工具直至成功（工具调用循环）？执行前先构建多步骤计划（计划-执行）？将任务委派给其他智能体（管理者-工作者模式）？还是根据地理位置或职责范围传递责任（去中心化交接）？应将设计模式与实际行为相匹配，而不仅仅是角色名称。
请为驾驶员智能体选择最合适的模式，并说明理由。
请为区域智能体选择最合适的模式，并说明理由。
请为预订智能体选择最合适的模式，并说明理由。
请为传感器智能体选择最合适的模式，并说明理由。
请为管理智能体选择最合适的模式，并说明理由。
考虑潜在风险，如隐私泄露、不安全的推荐、车位分配不公、API 过度调用等。然后思考：哪个智能体最适合防止此类问题？采用何种技术手段（如过滤、超时控制、熔断机制、数据匿名化）可有效实现这些防护措施？
请描述系统中的两项防护机制。