Amazon Bedrock AgentCore 通过 Snowflake Cortex AI 实现安全 OAuth 模式
文章演示了 Amazon Bedrock AgentCore 调用 Snowflake Cortex AI 时的三种 OAuth 认证配置。测试涵盖 Snowflake 原生 OAuth、基于第三方 IdP 的三腿 OAuth 及两腿 OAuth,并支持 OBO 授权。这些模式解决了企业级 AI 智能体在访问外部工具时的身份验证与权限管理问题。
文章演示了 Amazon Bedrock AgentCore 调用 Snowflake Cortex AI 时的三种 OAuth 认证配置。测试涵盖 Snowflake 原生 OAuth、基于第三方 IdP 的三腿 OAuth 及两腿 OAuth,并支持 OBO 授权。这些模式解决了企业级 AI 智能体在访问外部工具时的身份验证与权限管理问题。
AWS Agent Registry 现已支持自定义元数据模式,允许管理员定义组织特定的键值对并强制所有记录遵循该模式。该功能通过验证环境、业务单元等字段,实现了基于结构化证据的治理与合规,并支持结合自然语言查询和元数据过滤进行资源发现。此前,组织在 AWS Agent Registry 中无法定义这些特定事实并存储于每条记录中。
AWS 推出开源 Python SDK 和 Terraform 栈 SMART,用于在 Amazon Bedrock AgentCore 上构建 WhatsApp AI 智能体。
LoanPro 与 AWS 合作,基于 Amazon Bedrock AgentCore 和 Strands Agents SDK 构建了多智能体 AI 贷款服务助手。该助手利用 Claude Sonnet 5.5 等模型整合借款人数据,使客户通话时间最多减少 15%。
AWS Machine Learning Blog 梳理了多智能体系统的确定性工作流、自主编排、混合架构、5 类反模式和制造场景选型约束。文中用 10 个步骤各 95 percent 可靠时端到端只有 59.9 percent、20 个步骤只有 35.8 percent 的例子说明依赖交接会放大风险。
推荐理由:原文给出多智能体模式与反模式的分类和决策树,帮助读者按任务确定性、专业分工与风险边界选择最简架构。
Duco 基于 Amazon Bedrock 和 Bedrock AgentCore 重构其智能体 AI 技术栈,以处理每月 200 亿笔交易。该方案兼容现有的 LangChain 和 LangGraph 代码,通过托管运行时降低部署时间与成本,同时确保银行数据隔离。此前 Duco 依赖传统机器学习模型,但难以适应不断变化的金融数据格式与业务规则。
MoEngage 基于 Amazon Bedrock AgentCore 构建 Merlin AI 智能体系统,通过 MCP 协议将现有 API 转化为智能体可调用的工具。该系统利用 Claude Sonnet 4.6 等模型实现跨渠道营销自动化,客户 Glance 的推送点击率因此提升 38%。
AWS 在 Agent Toolkit for AWS 的 amazon-bedrock 技能中新增迁移指南,协助编码智能体将客户自管知识库迁移至 Amazon Bedrock 托管知识库。
该方案利用 Amazon Bedrock AgentCore Gateway 在工具层注入经身份验证的用户属性,防止 LLM 伪造搜索权限。结合 Managed Knowledge Base 的 ACL 感知功能,确保多租户环境下每个用户仅能检索其有权查看的文档。此设计通过多层防御机制,解决了传统应用中由 LLM 决定搜索参数可能引发的越权访问风险。
AWS 展示了一套基于 A2A 协议的参考架构,实现 LangChain 编排器与 Strands Agents SaaS 智能体在独立 AWS 账户间的互操作。
文章演示了 Java 团队如何利用 Amazon Bedrock 和 Spring AI 构建具备规划、工具调用及记忆能力的自主 AI 智能体。方案包含单智能体旅行助手和多智能体文档处理系统,支持通过 AgentCore 实现生产级部署与治理。
AWS 在 Amazon Bedrock AgentCore 上推出 Web Search API,允许开发者通过单次 API 调用直接获取网络搜索结果,无需预先创建网关或目标资源。
AWS 利用 CloudTrail、EventBridge 和 Lambda 构建事件驱动架构,自动同步 MCP 服务器变更至 AWS Agent Registry。该方案支持单账户及跨账户环境,通过 AgentCore Identity 安全认证并更新工具 schema,解决元数据陈旧导致的信任问题。
AWS Quick 推出 AI-PDLC 框架,通过六个专用智能体连接 Slack、Jira 等企业数据,加速从需求发现到原型验证的产品开发流程。该框架利用 Orchestrator 协调各阶段,生成包含验收标准的 prototype_spec.md,并支持通过 ACP 协议将任务委派给 Kiro 或 Claude Code 等编码智能体。
AWS 团队发文演示用 LangGraph 与 Amazon Bedrock AgentCore Web Search API 构建每日依赖监视器,自动追踪 npm、PyPI 和容器基础镜像的安全更新。
AWS Quick 通过智能体(Agents)和技能(Skills)实现任务自动化,智能体基于 ReAct 模式运行,利用连接器访问数据源并执行操作。技能作为可复用的指令集,教导智能体完成特定任务,如生成文档或执行深度研究。该服务支持通过自然语言交互,结合空间(Spaces)和知识库(Knowledge Bases)将答案锚定在用户连接的数据上。
AWS 推出 Pluggable Agentic AI Framework,这是一个基于 Amazon Bedrock AgentCore 的七层可组合参考架构,旨在解决多智能体应用从原型到生产环境的规模化落地难题。
AWS 演示了将 Claude Code 部署为 Amazon Bedrock AgentCore 上的远程智能体,每个任务在隔离的 microVM 会话中运行并返回 GitHub Pull Request。该方案利用 Amazon Bedrock 的数据保护、IAM 访问控制及零操作员访问(ZOA)特性,确保远程执行时的安全性。
Greenlight Financial 利用 Amazon Bedrock AgentCore 构建自主安全运营中心(SOC),每月无干预解决超过 90% 的 4,000 起安全与风险案例。该系统采用分层多智能体架构,包含 30 多个专用智能体,常规案例中位分诊时间为个位数秒。此前人工处理单起案例需 15-30 分钟,该方案实现了在金融合规框架下的自动化分诊与复杂案例升级。
AWS 演示利用 Amazon Bedrock AgentCore Gateway 和 Cedar 策略集中管理 AI Agent 对 MCP 工具的访问权限,替代分散的授权检查。该方案支持在 Amazon EKS 上运行多 Agent,并通过 CloudWatch 统一审计 Okta 授权决策。这是继 Part 1 验证基础治理机制后,针对企业级大规模 Agent 拓扑的扩展方案。
AWS 团队在 Amazon ECS Fargate 上构建了无服务器 MCP 服务器,作为 AI 智能体与企业数据湖之间的集中式网关。该架构采用元数据驱动方式,新增数据集仅需提供 JSON 元数据文件即可自动发现,无需编写集成代码。此方案旨在解决 Amazon 北美分拣中心(NASC)规划团队中数据访问碎片化及新数据源接入耗时数天的问题。
AWS 在构建 Quick 时确立了智能体原语分类法,将工作分解为触发器、智能体和能力三个核心组件。该框架通过“何时、何事、谁、如何”四个问题定义系统结构,其中触发器负责激活任务,智能体作为持久学习主体执行工作,能力则涵盖工具、技能及工作流。这是 AWS 智能体操作系统系列文章的首篇,旨在为底层构建者提供共享词汇。
文章介绍了在 Amazon Bedrock AgentCore 上使用 Web Answer 的方法,包括授权、添加目标与从 Strands 代理调用。Web Answer 将搜索、检索、合成与引用流水线合并为一次 MCP 工具调用,返回带源引用的答案。该功能已在 us-east-1 一般可用,定价为 $10 per 1,000 tool calls。
Mistral 今日扩展企业AI平台 Mistral Studio,新增托管智能体、工作流与应用,支持在云、VPC或本地部署。平台通过 MCP 服务器连接企业数据,已有 ABANCA、BNP Paribas 等客户用于生产环境自动化任务。
本文演示了利用 EDB Postgres AI 在 Postgres 数据库内部构建语义层,并通过 Amazon Bedrock AgentCore 运行 Strands Agents 智能体以回答客户 360 问题。
Gen Digital 利用 Amazon Bedrock AgentCore Web Search 构建了 Norton Revamp 的 AI 新闻引擎,实现基于实时网络知识的个性化内容推荐。该引擎通过 MCP 合规的托管连接器获取带引用的实时数据,驱动新闻流、内容建议及目标设定功能。Norton Revamp 于 2026 年 3 月上线,旨在帮助专业人士管理在线声誉。
Amazon Bedrock AgentCore Gateway 支持配置 OBO 令牌交换,使 AI 智能体在调用 ServiceNow REST API 时保留原始用户身份。该方案通过 Microsoft Entra ID 验证委托权限,将智能体令牌交换为包含用户声明的 ServiceNow 令牌,从而维持审计追踪并应用用户级访问控制。
Epsilon 基于 Amazon Nova Act 和 Amazon Bedrock AgentCore Browser 构建了意图驱动的 UI 测试服务,通过自然语言指令执行测试以增强现有 Playwright 回归测试套件。该方案利用 AWS 托管的临时浏览器会话和 IAM 认证,消除了各产品团队维护浏览器基础设施和身份集成的重复工作。
Kiro 通过集成 AI 智能体与代码库,利用共享方法论、机械发现扫描器及八阶段工作流,将 PHP 到 Java 的迁移转化为可测量的重复过程。该引擎将原始 PHP 应用视为规范,并通过一致性测试框架验证 Java 移植的正确性。此方法支持在 Kiro 中交互式运行,或通过 AWS Transform 进行大规模自主迁移。
MoEngage 使用 Amazon Bedrock AgentCore Gateway 将 400 个私有 REST API 转化为权限受限的智能体工具,避免了构建 20 个独立 MCP 服务器的复杂性。该方案无需公开端点,将新 API 接入时间从数天缩短至数小时,并节省了约 6 个月的平台工程工作量。此前这些 API 分散在七个 AWS 区域的私有 VPC 中,难以被智能体安全访问。
AWS 发布基于 Amazon Bedrock AgentCore 的企业级 Agentic AI 平台参考架构与蓝图。该方案采用联邦式运营模式,通过独立的推理与工具网关、多账户控制平面及自动化评估流水线,实现 Workstream 团队在安全边界内的独立部署、回滚与成本归因。此架构旨在解决多团队构建智能体时的治理漂移、所有权审计及跨账户成本可视化等生产环境瓶颈。
OpenAI 与 Oracle 扩大合作,将商业应用和 AI 智能体引入 ChatGPT。此次合作旨在为 ChatGPT 接入企业级工具,同时支持 Oracle 推出新的 AI 产品。
AWS 发布基于 AWS CDK 的解决方案,在 Managed Amazon Bedrock Knowledge Base 上构建企业级智能体检索系统。该系统利用 AgenticRetrieveStream API 实现多轮规划与工具驱动检索,并通过 Amazon CloudWatch 仪表盘提供全链路可观测性。
拜耳作物科学基于 Amazon Bedrock AgentCore 构建 Agentic Decision Engine (ADE),作为多智能体自然语言接口连接其 Connected Decision Engine。ADE 在生产环境运行 22 个专家智能体,利用 LangGraph 编排,第一阶段可独立解决约 80% 的用户问题。此前诊断工作流故障需超过一小时,现缩短至 10 分钟以内。
Amazon Quick 作为 HIPAA 合格服务,支持在受监管环境中处理受保护健康信息(PHI)。其智能体通过连接器访问结构化与非结构化数据,并提供 ACL 感知检索及行为审计日志以强化治理。该服务资格涵盖 Web、桌面及移动端,但实现完全合规需结合 BAA 签署及企业自身配置。
Flint-interactive 是微软研究开发的用于创建交互式数据可视化的语言,通过编译器将交互转为语义事件。它支持智能体经 Flint-MCP 在聊天中生成可点击筛选的图表,分离视觉与交互逻辑以减少调试成本。
Rescale 利用 AWS 的 AI-DLC 框架和 Strands Agents 构建了自动化测试失败分诊智能体,从问题定义到预发布部署仅用五天。该智能体运行在 Amazon EKS 上,调用 Claude Opus 4.8 对端到端测试失败进行分类和路由,并通过 MCP 查询日志生成修复报告。此前 Rescale 工程师需手动处理大量测试失败,导致发布流程受阻。
该指南演示了如何利用 AWS PrivateLink 配置 VPC 端点和连接,使 Amazon Quick 在不经过公共互联网的情况下安全访问企业防火墙后的私有数据源。
Amazon Quick 结合 Amazon Bedrock AgentCore 实现对话式供应链智能,将分散在 ERP 等系统中的数据转化为即时决策。该方案通过 MCP 协议连接后端系统,使管理者能用自然语言查询中断影响并自动发起紧急 RFQ,将原本需 45-60 分钟的多系统操作缩短至几分钟。
Smartsheet 推出通用可用的 MCP Server,支持 AI 智能体通过标准化协议读写和管理 Smartsheet 数据。该服务器提供超过 40 个工具,允许用户通过自然语言更新任务状态、创建行及修改项目结构。文章演示了如何通过 Amazon Quick 和 Kiro 连接该服务器,实现跨职能工作流中的自动化任务管理。