在Amazon Bedrock AgentCore上构建智能体AI平台

英文原标题：Building an Agentic AI Platform on Amazon Bedrock AgentCore

本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗

• 文章指出，企业将AI agent投入生产的主要瓶颈不在模型或工具调用，而在周边治理：多团队如何在安全环境内构建、模型与工具归属、AgentOps与错误处理边界、以及成本与健康度的跨账户可见性。
• 平台团队负责设计并运营平台产品，Workstream团队（领域或产品团队）在平台上构建和拥有agent；每个Workstream需要一条铺好的路，包含经批准的模型与工具、短期工作负载身份、隔离的运行时与内存、自动评估、回滚、遥测和成本归因。
• 文章提出五类常见挑战：受治理的模型访问（所有不可信推理请求经批准的推理网关，应用护栏、限制模型与区域、执行速率限制与预算）、受治理的工具访问（通过认证的MCP网关发现和调用经批准的工具）、委托式交付（Workstream在预批准边界内独立发布和回滚）、车队运营与成本（不同角色跨账户可见性）、有界证据与生命周期（每个发布在模型、工具、身份、发布、退役边界上提供证明）。
• 蓝图通过四个相连的平面解决这些需求：开发者体验、平台控制、Workstream执行、保障与运营；扩展单元是Workstream单元，而非手动配置的agent或共享工作负载账户。
• 企业通常采用三种运营模式：集中式（单一AI/ML团队构建所有agent，治理一致但易成瓶颈）、分散式（各业务单元自建，速度快但控制易漂移、成本可见性差）、联邦式（中央平台团队提供共享治理服务，领域团队保留agent所有权，平衡自主与护栏，多数企业最终采用）。蓝图实现联邦模式，平台团队为枢纽，Workstream团队为辐条。

关键数据

• Amazon Bedrock AgentCore提供模块化服务，包括runtime、gateway、identity、memory、policy、registry和evaluations。
• 蓝图提供Strands、LangGraph和CrewAI的参考模板。
• 每个Workstream单元包含三个Amazon Bedrock AgentCore能力。
• 企业运营模式分为集中式、分散式和联邦式三种。

引语

• “模型和工具使用不是阻碍。主要瓶颈是它们周围的一切”
• “联邦模式平衡团队自主与一致护栏，是多数企业最终采用的模式”

为什么值得看：文章基于Amazon Bedrock AgentCore给出了企业级Agentic AI平台的多账户架构与联邦运营模式参考实现，帮助平台团队在支持多团队快速构建agent的同时保持治理、安全与成本可控。