详细内容或原文请订阅后点击阅览
使用 Amazon Bedrock AgentCore Gateway 管理 AI 代理工具访问
为您的 AI 代理提供对企业工具的受管控、可审核的访问，而无需整合基础设施。本文介绍了使用 Amazon Bedrock AgentCore 构建受管工具网关的四范围成熟度模型（连接、控制、目录和强化），仅在真正的治理难题需要时才推进。
来源:亚马逊云科技 _机器学习在过去几个月与客户的对话中，一种模式不断重复出现。无论他们与编码代理、自主代理还是人工交互代理合作，也无论工作负载成熟度如何，我们都会从同一个问题开始：“哪些人工智能代理可以访问客户数据，谁授予了这些数据，如果今天的凭证泄露，会是什么样子？”如果您的组织中没有人能在一分钟内回答这个问题，那么这篇文章适合您。
当人工智能代理在没有集中治理的情况下连接到内部工具时，组织会遇到难以检测的访问风险。假设基础设施工程师打开队友的笔记本电脑来调试构建。在 config 文件夹中，有一个名为 mcp.json 的文件，其中包含纯文本的生产数据库密码，旁边有一条注释为 TODO：rotate this。安全团队无法了解哪些人工智能代理正在访问内部工具、谁授予了访问权限，或者如果该凭证无意中暴露，将会暴露什么。
问题
具有 MCP 部署的企业系统有五种结构性故障模式，通常描述为：凭证蔓延（每个本地配置中都有秘密）、策略漂移（N×M 配置悄然发生分歧）、审计差距（无法回答“谁在何时调用什么”）、成本不透明（无法归属于团队的支出）和影子 IT（在审查之外部署的集成）。
以政策漂移为例。每个 AI 助手都带有自己的 mcp.json，这是一个带有后端凭据和工具端点的本地文件，不受监督。一个由 10 名助理连接到 5 个内部 API 的团队维护着 50 个独立的凭证集，每个凭证集都是手动配置的。当一个后端的策略发生变化时，必须在所有 50 个位置进行更新。
解决方案：四个范围的成熟之旅
每个范围都提供独立的价值。仅当下一次疼痛出现时才前进。下图是范围决策的参考。
解决方案演练
先决条件
发生了什么变化
客户端流程
推出