开发工具 综合自 3 个来源

AWS三招破解企业AI代理落地难题

要点

  • Agent Registry跨AWS、其他云和本地索引代理,支持治理工作流
  • BrowserLiveView用3行JSX将代理浏览流嵌入React
  • 有状态MCP支持执行中的用户输入、LLM采样和进度通知
  • AWS瞄准与代理蔓延和合规风险搏斗的平台团队
  • AgentCore定位为对任何模型或框架开放的基础设施底层
参考来源 (3)
  1. [1] AWS Agent Registry预览版发布 — AWS Machine Learning Blog
  2. [2] AWS为React应用新增AI浏览器可视化组件 — AWS Machine Learning Blog
  3. [3] AWS Bedrock AgentCore支持状态化MCP交互 — AWS Machine Learning Blog

一家财富500强企业将在未来18个月内部署数千个AI代理。但大多数企业连自己现在运行了多少都说不清。这个可见性缺口,正是AWS在Amazon Bedrock AgentCore内部悄悄下注的地方。

本周发布的三个互联功能,逐一破解了企业AI代理无法走出试点项目的三大障碍:发现与治理、人工监督、有状态交互。没有哪个听起来很酷。但每一个都不可或缺。

Agent Registry(预览版)为平台团队提供了它们在代理蔓延爆发时最缺乏的东西:统一管控面板。注册表索引整个企业中的每个代理、工具、MCP服务器和代理技能——无论运行在AWS、其他云还是本地。它捕获元数据:谁发布、实现了什么协议、如何调用、是否符合合规要求。可以通过控制台或API手动注册记录,也可以让注册表自动从MCP或A2A端点拉取详情。治理层包含发布审批工作流,以及对谁可以发现和消费什么的细粒度控制。对于眼睁睁看着代理组合在各团队间有机增长的企业,这是他们安睡所需的审计追踪。

BrowserLiveView解决的是另一个问题:信任。当AI代理代替用户导航网站——填写表单、拉取记录、执行交易——用户完全看不到正在发生什么。BrowserLiveView用仅三行JSX代码,将代理浏览会话的实时视频流直接嵌入React应用。组件使用Amazon DCV协议渲染流,服务器只需生成预签名URL,无需构建流媒体基础设施。对于监管工作流——监督者必须实时观察代理行为并在必要时介入——这是使人在回路变得实用的界面层。它同时生成可视化审计证据,满足合规团队证明代理行为的需求。

第三个功能是有状态MCP,完善了AgentCore Runtime上双向Model Context Protocol的实现。最初的MCP服务器支持是无状态的:每个HTTP请求相互独立,这适用于简单的工具调用,但当工作流需要在执行中途暂停请求澄清时就失效了。有状态模式为每个用户会话配置专用微VM,实现MCP规范定义但无状态服务器无法提供的三个能力: elicitation(执行中请求用户输入)、sampling(从客户端调用LLM生成)、progress notification(长时运行任务的实时进度通知)。这将单向工具执行转变为MCP服务器与客户端之间的真正对话。

AgentCore将自己定位为连接这些组件的底层平台:对任何模型、任何框架、任何企业架构开放。AWS不打算拥有代理逻辑本身——它想拥有底层控制平面。对于在AWS基础设施上标准化的平台团队,这为所有代理操作创建了统一命名空间,无论代理实际运行在哪里。

竞争格局值得注意。谷歌Vertex AI Agent Builder、微软Azure AI Agents,以及LangChain、CrewAI等点解决方案的涌现,都在争夺同一企业市场。AWS的优势不在技术新颖性——在分发。它已经拥有金融服务、医疗保健和政府承包商所需的云关系和合规认证。如果这些客户在其已经运行工作负载的平台上标准化代理基础设施,AWS默认获胜。

更深层的观点:企业AI代理采用不是模型问题。前沿模型今天已经足够好。这是运营问题。你需要知道有哪些代理,需要看见它们在做什么,需要在关键决策时让人介入。AWS AgentCore现在同时解决三个维度。平台团队终于可以指向一个统一控制平面说:这就是我们如何在生产中发现、监控和治理每个代理。

0:00