北京2025年12月4日 /美通社/ -- 亞馬遜云科技在2025 re:Invent全球大會上，宣布Amazon Bedrock AgentCore推出多項新功能。該平臺旨在支持企業(yè)在大規(guī)模環(huán)境中以安全的方式構(gòu)建和部署Agent。Policy in Amazon Bedrock AgentCore功能幫助團隊為Agent的工具使用設定明確邊界；AgentCore Evaluations功能使團隊能夠了解Agent在實際場景中的表現(xiàn)。此外，亞馬遜云科技還推出了增強版記憶功能，使Agent能夠基于過往經(jīng)驗進行改進，從而在后續(xù)交互中提供更貼合需求的洞察。

打造既具備自主能力又遵循行為邊界的企業(yè)級Agent

盡管Agent具備自主推理和行動的能力，使其極具價值，但企業(yè)必須建立健全的控制機制，以防止未授權(quán)的數(shù)據(jù)訪問、不當交互以及可能影響業(yè)務運營的系統(tǒng)級錯誤。即便經(jīng)過謹慎設計的提示詞，Agent在實際應用中仍可能出現(xiàn)導致嚴重后果的失誤。

今天，亞馬遜云科技正式推出Policy in Amazon Bedrock AgentCore功能，用于幫助企業(yè)為Agent的操作設定清晰的邊界。團隊可以使用自然語言，通過定義Agent可訪問的工具和數(shù)據(jù)、可執(zhí)行的操作以及適用條件，為其劃定具體范圍。這些工具可能包括API、Lambda函數(shù)、MCP服務器，或Salesforce、Slack等主流第三方服務。為保持Agent的響應速度，Policy in Amazon Bedrock AgentCore已集成至AgentCore Gateway中，可在毫秒級對Agent的操作進行校驗，以確認其是否符合既定策略要求，從而確保Agent在自主運行的同時始終處于設定范圍內(nèi)。自然語言策略編寫方式進一步降低了策略創(chuàng)建的門檻，使客戶無需編寫正式策略代碼即可構(gòu)建精細化規(guī)則。例如："當退款金額高于1000美元時，阻止所有客戶退款操作"這樣的規(guī)則，可以直接用自然語言表述并得到一致執(zhí)行，體現(xiàn)了亞馬遜一貫的"信任，但要驗證"原則，從而讓Agent在保持自主性的同時，始終處在合理的監(jiān)管之下。

Druva是一家領(lǐng)先的數(shù)據(jù)安全解決方案提供商。Druva產(chǎn)品AI副總裁David Gildea表示："在以往，當數(shù)據(jù)備份失敗時，客戶往往需要花費數(shù)小時，在數(shù)十個系統(tǒng)中手動排查日志。通過我們的AI Agent，客戶可以獲得即時分析和分步數(shù)據(jù)恢復補救方案。我們對在AgentCore中使用Policy功能感到非常期待，它可以幫助客戶為Agent訪問內(nèi)部工具和數(shù)據(jù)（如備份系統(tǒng)、安全日志和監(jiān)控看板）設定清晰邊界。有了適當?shù)牟呗?，開發(fā)人員便能在確保Agent始終符合合規(guī)邊界的前提下大膽創(chuàng)新，這使我們能夠在擴展Agent平臺的同時，保持企業(yè)客戶所期望的嚴格安全標準。"

全面掌握AI Agent的行為與結(jié)果

與傳統(tǒng)軟件指標不同，評估AI Agent的質(zhì)量往往需要復雜的數(shù)據(jù)科學流程、主觀判斷以及持續(xù)的實時監(jiān)控，而且每一次Agent更新或模型變更都會進一步加大這一挑戰(zhàn)。

AgentCore Evaluations功能簡化了原本復雜的評估流程，并免去了對評估基礎(chǔ)設施的管理需求，提供13個預置評估器，覆蓋正確性、實用性、工具選擇準確性、安全性、目標達成率和上下文相關(guān)性等常見質(zhì)量維度。此外，開發(fā)者還可基于偏好的LLM和提示詞編寫自定義評估器。此前，僅構(gòu)建一套評估系統(tǒng)就可能需要數(shù)月的數(shù)據(jù)科學投入。這項新功能會持續(xù)采樣Agent的實時交互數(shù)據(jù)，并根據(jù)正確性、實用性、安全性等預置標準分析Agent行為。開發(fā)團隊可設置預警機制實現(xiàn)主動質(zhì)量監(jiān)控，評估功能可用于測試與生產(chǎn)階段。例如，當客服Agent的滿意度評分在8小時內(nèi)下降10%時，系統(tǒng)會立即觸發(fā)預警，以便在用戶體驗受到影響前及時采取措施。

Natera是一家領(lǐng)先的基因檢測與診斷企業(yè)。Natera軟件工程負責人Mirko Buholzer表示："在Natera，我們正在借助AI Agent重塑腫瘤患者的診療體驗。目前，我們的團隊正投入大量精力，以確保在嚴格的醫(yī)療合規(guī)標準下，所有AI Agent都能保持穩(wěn)定一致的質(zhì)量與性能。AgentCore Evaluations將在這一過程中發(fā)揮關(guān)鍵作用，它通過準確率、實用性和患者滿意度等關(guān)鍵指標持續(xù)監(jiān)控Agent表現(xiàn)。我們期待這些實時質(zhì)量情報能夠幫助我們提前發(fā)現(xiàn)并解決問題。借助AgentCore Evaluations，我們有信心在大規(guī)模部署時，仍能保持對Agent可靠性的高標準要求，從而為患者提供更具變革性的醫(yī)療服務。"

打造越交互越智能的Agent

當下，大多數(shù)AI Agent在"記憶"能力上依然存在明顯短板。所謂記憶，往往只是在有限上下文窗口內(nèi)保存短期信息，并會在每一次新交互時被重置，這使得Agent難以真正從生產(chǎn)環(huán)境中的過往成敗中學習。

AgentCore Memory填補了這一關(guān)鍵能力空白，使Agent能夠隨著時間推移形成對用戶的連貫認知。今日，AgentCore Memory的episodic記憶功能正式可用，使Agent能夠從過往經(jīng)驗中學習，并將這些信息應用于后續(xù)交互。episodic記憶功能會以結(jié)構(gòu)化方式記錄上下文、推理過程、操作及結(jié)果，隨后由另一Agent自動分析其中的模式，以優(yōu)化決策。當Agent遇到類似任務時，可快速調(diào)取相關(guān)歷史信息，縮短處理時間，并減少對復雜自定義指令的依賴。例如，當用戶獨自出行時，Agent可能會在航班起飛前45分鐘安排前往機場的交通；三個月后，當用戶攜帶家人前往相同目的地時，Agent會根據(jù)以往家庭出行情況，將接送時間自動調(diào)整為提前兩小時。通過這種基于經(jīng)驗的學習方式，Agent能夠根據(jù)實際表現(xiàn)數(shù)據(jù)做出更一致的決策，而不僅依賴預設規(guī)則。

S&P Global Market Intelligence為機構(gòu)投資者、銀行和企業(yè)提供洞察以及領(lǐng)先的數(shù)據(jù)與技術(shù)解決方案。S&P Global Market Intelligence MI 企業(yè)技術(shù)和可持續(xù)發(fā)展技術(shù)負責人Helene Astier,表示："我們近期構(gòu)建了內(nèi)部通用的Agentic工作流平臺Astra，但在整個分布式組織內(nèi)編排復雜的多Agent工作流時面臨巨大挑戰(zhàn)。隨著數(shù)百個專門構(gòu)建的Agent出現(xiàn)，狀態(tài)管理和上下文一致性維護變得愈發(fā)困難，這凸顯了對統(tǒng)一記憶層的需求。Amazon Bedrock AgentCore Memory通過在多Agent協(xié)調(diào)棧中實現(xiàn)集中式狀態(tài)檢查點，為我們提供了有效的解決方案。有了全新的eposodic記憶功能，我們的Agent可以從以往分析中學習，生成更加智能的洞察。過去，在Astra平臺上部署一個Agent往往需要數(shù)周時間；現(xiàn)在借助AgentCore，我們可以在幾分鐘內(nèi)創(chuàng)建并部署一個Agent或MCP服務器。"

今天發(fā)布的這些創(chuàng)新，為客戶提供了專門為Agent設計的基礎(chǔ)設施，使團隊可以將時間和精力集中在業(yè)務創(chuàng)新上，而不是反復從零搭建AI基礎(chǔ)能力。如需了解更多關(guān)于Amazon Bedrock AgentCore新功能的詳細信息，請訪問官方博客及產(chǎn)品頁面。