Signal YCurated AI News
更新于 11/5 20:4061 个信源

用 AgentCore Gateway 与 MCP 构建跨多账户的企业级 AI 智能体

企业 AI9/25 00:12AWS 机器学习博客查看原文 ↗
摘要

AWS 官方发布技术方案,展示如何借 Amazon Bedrock AgentCore Gateway 与 MCP,让平台账户中的智能体在不复制数据的前提下,统一发现并调用分布在多个业务账户中的工具与数据。

核心要点
  • 架构分为三层:中心平台账户承载智能体与推理,各业务线(LOB)账户各自持有数据,AgentCore Gateway 作为连接两者的集成层。
  • 数据治理原则是“数据留在原账户”——只有本次请求所需的具体数据在查询时流出,底层数据集不离开其所属账户,从而规避数据复制与跨账户 IAM 的纠缠。
  • LOB 团队把自家数据和工具暴露为 MCP 服务器,平台账户的 Gateway 对外提供单一端点,完成跨已注册 LOB 的工具发现与调用。
  • 平台账户使用 AgentCore Runtime 运行智能体,该环境为无服务器、框架无关,具备专用 microVM 的会话隔离、按用量计费与内置认证。
  • 认证授权链路由 AgentCore Identity 联合 Okta 完成身份验证,并用 Amazon Bedrock AgentCore 中的 Policy 实施细粒度授权,配套面向生产就绪的治理控制。
原文佐证
  • The goal is to let data stay where it already lives, in each line-of-business (LOB) account.
  • LOB teams expose their data and tools as MCP servers, and the platform account’s AgentCore Gateway gives agents a single endpoint for tool discovery and invocation across registered LOBs.
  • The architecture follows a multi-account model with three layers: a central platform account, distributed LOB accounts, and AgentCore Gateway as the integration layer that connects them.
AI 洞察
企业级智能体当前的真正瓶颈不是模型能力,而是数据边界与权限治理:这套“数据不动、只流动查询结果”的三层架构,把多账户、跨团队的数据访问收敛到一个可集中管控的控制面,实际上是把数据网格与联邦查询的理念搬进了 Agent 世界。若 MCP + 网关 + 身份中心成为事实上的企业标配,云厂商的竞争焦点将从模型与算力进一步上移到 Agent 的集成层与治理层,而 MCP 的标准化程度则直接决定这套架构能否跨云成立。对 CIO 而言,这意味着 Agent 项目的可行性评估应从“模型选型”转向“身份、授权与数据驻留策略是否就绪”。