使用 AgentCore Gateway 和 MCP 构建多账户 AI 智能体

英文原标题：Build a multi-account AI agent with AgentCore Gateway and MCP

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

• 企业希望AI agent能跨多个AWS账户推理数据，同时避免复制或集中数据，让数据保留在各业务线（LOB）账户中，仅在查询时流出所需数据。
• 方案采用三层多账户架构：中央平台账户运行agent和LLM推理，各LOB账户以MCP服务器形式暴露数据和工具，AgentCore Gateway作为统一集成层连接两者。
• 平台账户使用AgentCore Runtime运行agent，通过Amazon Bedrock进行推理，并利用AgentCore Gateway提供统一的工具发现、认证、授权和可观测性。
• LOB账户将数据打包为MCP服务器（如零售银行提供get_balance、get_profile，贷款部门提供get_credit_score、search_lending_policies），运行在AgentCore Runtime上，保持对工具面的完全所有权。
• 跨账户集成采用hub-and-spoke模式：Gateway作为hub聚合各LOB的MCP服务器，通过AgentCore Identity获取OAuth 2.0 M2M凭证，并利用Okta OIDC端点进行认证，Policy in AgentCore（Cedar）实现细粒度授权。

关键数据

• AgentCore Runtime提供基于消费的定价、专用microVM中的会话隔离和内置认证。
• AgentCore Gateway支持HTTP目标，可将AgentCore Runtime agents、A2A服务等纳入同一治理端点。
• 用户通过React webapp登录，经Okta认证返回JWT，请求经CloudFront转发至Amazon ECS Fargate上的FastAPI后端。
• 后端在输入和输出时应用Amazon Bedrock Guardrails进行PII脱敏。

为什么值得看：该架构展示了如何在不移动数据的前提下，利用AgentCore Gateway和MCP实现跨账户AI agent的安全工具调用与统一查询。