本文提出了一种面向多智能体系统（Multi-Agent Systems, MAS）的安全权限委派架构 CAPMAS。在多智能体协作执行任务时，如何安全、高效地在多个协作智能体之间委派权限是关键挑战。现有方法分为两类：一类直接将用户身份传播给智能体，导致责任边界模糊，并因 AI 智能体的非确定性行为放大持续过度授权风险；另一类依赖与中心化身份与访问管理（IAM）提供商的持续同步，引入额外延迟和通信开销。CAPMAS 将基于对比学习的语义范围（semantic scoping）流水线与基于 Macaroon 的令牌机制相结合：前者在查询执行前将自然语言查询映射为有界的权限集合，后者支持离线、防篡改的委派，并在智能体间实现单调权限递减。该架构将身份验证与委派实施从智能体推理中解耦，既保持实际可执行性，又强制实现最小权限原则。实验表明，相比 OAuth 2.0 Token Exchange（RFC 8693），CAPMAS 的委派操作快 30 倍，委派相关延迟降低 2 倍，带宽使用最多降低 3 倍。在包含 3100 多个端点的企业级 API 架构上，其语义范围流水线在 17 毫秒内实现超过 90% 的完美权限束检索，同时相较于将所有用户权限传播给智能体的系统，不必要的权限减少了 99.5%。该研究为多智能体系统的安全权限委派提供了新思路，适合关注 LLM 安全、身份管理与零信任架构的研究者和工程师阅读。