关键要点
- Amazon Bedrock AgentCore 策略功能通过实时、确定性控制，在代理代码外主动拦截未授权操作。
- AgentCore 评估功能助力开发者持续监控并保障代理行为质量。
- AgentCore Memory 新增情景记忆，赋能代理从经验中学习以优化决策。
- Amazon Devices Operations & Supply Chain、Archera.ai、Cohere Health、Cox Automotive、Druva、Heroku、Natera、NTT Data、MongoDB、PGA TOUR、Pulumi、Thomson Reuters、Workday、Snorkel.ai、Swisscom 及 S&P Global Market Intelligence 等企业均信赖 AgentCore，加速 AI 代理生产落地。
今日，我们宣布 Amazon Bedrock AgentCore（当前最先进的大规模安全构建与部署平台）推出多项创新。AgentCore 策略允许团队设定代理使用工具的边界；AgentCore 评估帮助团队洞察代理在现实场景中的表现。此外，AWS 推出增强记忆功能，使代理能从经验中持续学习进化，为客户提供更具针对性的见解。
开发既知晓自身能力又清楚自身局限的企业级 AI 代理
尽管自主推理与行动能力赋予了代理强大性能，但组织仍需建立强有力的控制机制，防止未经授权的数据访问、不当交互及可能影响业务的系统级错误。即便经过精心提示，代理仍可能在现实世界中犯错并引发严重后果。
为此，我们发布 Amazon Bedrock AgentCore 策略功能，助组织为代理操作划定清晰边界。团队现可通过自然语言定义代理可访问的工具/数据、可执行的操作及适用条件。支持的工具涵盖 API、Lambda 函数、MCP 服务器及 Salesforce、Slack 等第三方服务。为确保响应速度，策略已集成至 AgentCore Gateway，可在毫秒级内即时校验操作合规性，确保代理在自主运行时始终处于既定边界内。基于自然语言的编写方式降低了细粒度策略创建门槛，用户无需编写正式代码即可描述规则。例如，“当报销金额超 1,000 美元时，阻止所有客户退款请求”这类简单策略也能被一致执行，遵循“信任但需验证”原则，实现受监督的自主运行。
Druva 产品副总裁 David Gildea 表示：“通常数据备份失败时，客户需数小时手动排查数十个系统日志。借助 AI 代理，他们可立即获得数据分析及逐步修复方案。我们期待引入 AgentCore Policy，为客户智能体访问内部工具和数据（如备份系统、安全日志、监控仪表板）设定清晰边界。实施适当策略后，开发人员可放心创新，因智能体将始终保持在合规范围内。这使我们能在维持企业级严格安全标准的同时，扩展智能体平台。”
全面了解 AI 代理的行为和结果
与传统软件不同，评估 AI 智能体质量涉及复杂数据科学流水线、主观判断及持续实时监控，且每次更新或模型变更都会加剧这一挑战。
AgentCore Evaluations 简化了该流程，提供针对正确性、有用性、工具选择准确性、安全性、目标达成率及上下文相关性等维度的 13 个预构建评估器，免除复杂基础设施管理需求。开发者亦可使用偏好的 LLM 和提示词灵活编写自定义评估器。过去构建评估系统需数月数据科学工作，而新服务可持续采样实时交互，分析代理是否符合预设标准。团队可设置警报进行主动质量监控，测试与生产环境均适用。例如，若客服代理满意度评分 8 小时内下降 10%，系统将即时触发警报，以便在影响客户体验前迅速响应。
Natera 软件工程负责人 Mirko Buholzer 表示：“在 Natera，我们正通过 AI 代理变革肿瘤学患者护理。确保 AI 代理在严格遵守医疗合规标准的同时保持一致的质量与性能，需付出巨大努力。AgentCore 评估将通过持续监控代理性能（使用准确性、有用性及患者满意度等核心指标）发挥关键作用。这种实时质量情报助我们快速识别并提前解决问题。借助 AgentCore 评估，我们旨在自信部署可靠代理，维持高标准并在大规模范围内支持变革性患者护理交付。”
构建在与每次交互中变得更智能的代理
当前多数 AI 智能体缺乏关键记忆能力，“记忆”通常仅限于短期上下文窗口且每次交互重置，导致其无法在生产环境中从过往成败中学习。
AgentCore Memory 填补了这一空白，使智能体能随时间推移建立对用户的一致理解。现已正式推出的情景（episodic）功能，允许智能体从过往经验中学习并将见解应用于未来交互。通过捕获包含上下文、推理、行动和结果的结构性情景，另一智能体会自动分析模式以改进决策。面对类似任务时，智能体可快速访问相关历史数据，减少处理时间并消除对大量自定义指令的需求。例如，独自旅行时智能体会在起飞前 45 分钟预订机场交通；三个月后带子女前往同一目的地时，它会记得此前家庭旅行的挑战，自动提前两小时安排接机。这种针对性学习助智能体基于实际性能数据做出更一致决策，而非仅依赖预设原则。
S&P Global Market Intelligence 技术、MI 企业技术与可持续发展负责人 Helene Astier 表示：“我们为机构投资者、银行和企业提供洞察及领先数据技术解决方案。近期开发的内部通用型智能体工作流平台 Astra，在协调分布式组织中的复杂多智能体工作流方面面临挑战。随着数百个专用智能体涌现，管理状态并保持上下文一致性愈发困难，凸显了对统一记忆层的需求。Amazon Bedrock AgentCore Memory 通过在多智能体编排堆栈中实现无缝、集中的状态检查点提供了该解决方案。借助新的情景记忆功能，我们的智能体将从先前分析中学习以生成更智能见解。以前将智能体部署到 Astra 平台需数周，现在借助 AgentCore，我们可在几分钟内创建和部署智能体或 MCP 服务器。”
今日的创新为您提供专为智能体构建的基础设施，让您专注于创新本身，而非底层 AI 架构搭建。
如需了解 Amazon Bedrock AgentCore 最新创新的更多详情，请访问：
- AgentCore 新闻博客
- AgentCore 网页
获取来自 AWS re:Invent 的最新资讯，包括所有与智能体和生成式 AI 相关的内容、产品及服务公告等。