新上线今天0 投票
Amazon Bedrock AgentCore 新能力：控制智能体行为与成本，超越单次动作
从单次调用到整体行为：AgentCore 的治理升级
随着 AI 智能体（Agent）自主性增强，企业部署规模扩大，信任与安全成为规模化落地的关键瓶颈。麦肯锡报告指出，约 80% 的组织已遭遇智能体风险行为，安全与风险顾虑是扩展智能体 AI 的首要障碍。传统防护机制多针对可预测的软件行为设计，而智能体自主决策路径，导致“单步合法、整体失控”的困境：例如，智能体查询客户账户后转移资金，或连续下多个低于审批阈值的订单，或对失败工具无限重试耗尽预算。
针对这一挑战，Amazon Bedrock AgentCore 推出新能力，将安全控制下沉至基础设施层，实现跨智能体的一致治理。新功能包括：
- 基于 Dogwood 的时序策略（Temporal Policies）：Dogwood 是专为 AI 智能体设计的开源策略语言，支持定义动作序列的约束规则，例如“禁止在未授权情况下连续执行转账”或“订单总额不得超过预算”，从而在整体行为层面实施控制。
- 网关速率限制（Rate Limiting）：AgentCore 网关作为全托管、无服务器的 AI 流量入口，统一路由至 MCP 服务器、LLM、智能体及知识库。通过网关施加速率限制，可设定成本上限，无论智能体如何行为，都能确保消费不超预算。
这些能力让企业获得确定性的控制力：不仅管控单个动作，还能约束动作序列和整体成本。AgentCore 的核心理念是：安全控制应内置在基础设施层，而非依赖各团队的应用代码实现，从而避免实现差异和漏洞。
为什么这很重要？
智能体应用正从实验走向生产，但信任问题阻碍了规模化。当防护机制可靠时，审批新智能体不再是逐案谈判，而成为平台层面的标准化流程。AgentCore 的更新将治理能力前置，使企业能够放心部署更多自主智能体，同时保持预算和安全底线。
对于开发者而言，这意味着无需自行构建复杂的策略引擎或限流系统，即可获得企业级控制。未来，随着智能体承担更关键任务，这类基础设施级的安全能力将成为标配。
小结：AgentCore 的新功能直击智能体治理痛点，通过时序策略和网关限流，为自主行为提供确定性约束，是迈向可信赖 AI 的重要一步。
